面向在线心理健康支持中共情对话的促进：一种强化学习方法

在线点对点支持平台使数百万寻求和提供心理健康支持的人之间能够进行对话。如果成功，基于网络的心理健康对话可改善治疗可及性并降低全球疾病负担。心理学家已反复证明，共情——即理解和感受他人情绪与体验的能力——是支持性对话取得积极结果的关键要素。然而，近期研究表明，高共情对话在在线心理健康平台中十分罕见。在本文中，我们致力于改善在线心理健康支持对话中的共情。我们引入了一项新的共情重写任务，旨在将低共情对话帖子转化为更高共情。学习此类转换具有挑战性，需要在保持文本流畅性和对话上下文特定性的同时，深度理解共情以维持对话质量。在此我们提出 PARTNER，一种深度强化学习智能体，它学习对帖子进行句子级编辑，以提升所表达共情水平同时保持对话质量。我们的 RL 智能体利用基于从 GPT-2 改编的 transformer 语言模型的策略网络，该网络执行生成候选共情句子并在适当位置添加这些句子的双重任务。在训练期间，我们奖励那些提升帖子共情同时保持文本流畅性、上下文特定性和多样性的转换。通过自动与人工评估相结合，我们证明 PARTNER 成功生成了更具共情、更具体且更多样的回复，并优于风格迁移和共情对话生成等相关任务中的 NLP 方法。我们的工作对促进基于网络平台上的共情对话具有直接意义。