迈向跨内容的行为改变对话式智能体:研究域独立性与改变相关书面语言词汇特征的作用

对话式聊天机器人大语言模型(LLM)的人机协作心理健康应用与在线支持社区

通过分析个体使用的语言可以获得关于其当前行为改变想法和立场的宝贵见解,这些可以采用动机访谈(MI)的概念来概念化。训练对话式智能体(CA)检测和应用这些概念可以帮助它们提供更加个性化和有效的帮助。本研究调查了跨越不同对话和社会背景及改变目标的书面语言相似性。借鉴之前将MI概念应用于健康行为改变文本的研究,我们评估了现有分类器在来自不同背景的六个新构建数据集上的性能。为了深入了解识别改变语言时的影响因素,我们探索了词汇特征对分类的影响。结果表明,改变语言模式在不同背景和领域保持稳定,这使我们得出结论:点对点在线数据可能足以训练CA理解用户与行为改变相关的表达。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/cui/118700/2023

广告推荐

学习 AI 编程到 CodeNow

一眼看懂

论文快照

fact_check
dataset
来源
CUI
calendar_month
年份
2023
emoji_events
奖项
未标记奖项
group
作者
2 位作者
sell
研究子方向
对话式聊天机器人、大语言模型(LLM)的人机协作、心理健康应用与在线支持社区
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文