MENTAL-TRUST

MENTAL-TRUST是由印度信息技术学院德里分校等机构创建的一个心理咨询对话数据集，旨在研究患者与治疗师之间的信任动态。该数据集包含212个心理咨询会话的12,912条患者话语，每条话语都标注了七个专家验证的序数信任等级。数据集扩展自公开的HOPE心理咨询数据集，专注于患者话语的信任建模。数据集的创建过程包括与心理健康专家合作设计专门的注释方案，并通过多次迭代确保注释的可靠性。该数据集的应用领域包括心理健康咨询中的信任评估，旨在帮助治疗师实时调整策略，提升治疗效果。

MENTAL-TRUST is a psychotherapy dialogue dataset developed by institutions including the Indian Institute of Information Technology Delhi and others, targeting the study of trust dynamics between patients and therapists. This dataset contains 12,912 patient utterances across 212 psychotherapy sessions, where each utterance is annotated with seven expert-validated ordinal trust levels. Extended from the publicly available HOPE psychotherapy dataset, it focuses on trust modeling for patient utterances. The dataset creation process involved collaborating with mental health experts to design a specialized annotation scheme, and multiple iterative steps were carried out to guarantee annotation reliability. Its application areas include trust assessment in mental health counseling, aiming to assist therapists in adjusting strategies in real time to enhance therapeutic effectiveness.

搜集汇总

数据集介绍

构建方式

MENTAL-TRUST数据集的构建基于212次心理咨询对话，共包含12.9K条患者话语。每条话语由专家手动标注了七个有序的信任等级，旨在捕捉患者在咨询过程中信任的动态变化。数据来源于公开的HOPE心理咨询数据集，经过扩展和筛选，专注于患者话语的信任建模。为确保标注的准确性，研究团队与心理健康专家合作，设计了专门的标注方案，并通过多次迭代优化标注流程，最终达到了较高的标注一致性（Cohen’s Kappa为0.77）。

特点

MENTAL-TRUST数据集的核心特点在于其首次引入了七个专家验证的有序信任等级，能够细致地刻画患者在咨询过程中信任的演变轨迹。数据集不仅包含信任等级的标注，还记录了对话中的话题转换，为研究信任与话题之间的关系提供了丰富的信息。此外，数据集的标注过程经过严格的专家审核，确保了数据的可靠性和科学性。通过对信任分布的统计分析，发现中等信任水平（如2.0和2.5）最为常见，而极端信任状态（如1.0和4.0）则较为罕见，这与临床观察一致。

使用方法

MENTAL-TRUST数据集主要用于信任建模的序数分类任务，适用于评估和开发自然语言处理模型在心理咨询对话中的表现。研究人员可以通过该数据集训练模型，预测患者在对话中的信任等级，并分析信任的动态变化。此外，数据集还可用于研究信任与话题转换之间的关系，帮助开发更智能的心理咨询辅助工具。使用该数据集时，建议结合上下文信息，考虑患者话语的前后关系，以捕捉信任的演变轨迹。数据集已开源，便于研究社区进行进一步的实验和分析。

背景与挑战

背景概述

MENTAL-TRUST数据集由Aseem Srivastava等人于2025年提出，旨在解决心理健康咨询中患者与治疗师之间信任动态的建模问题。该数据集包含212次咨询对话，共计12.9K条患者话语，每条话语均标注了七个专家验证的序数信任等级。MENTAL-TRUST的创建填补了现有研究中关于咨询对话质量评估的空白，尤其是信任作为治疗关系核心指标的量化问题。通过引入TRUST-BENCH基准，该数据集为语言模型在信任检测任务中的表现提供了全面的评估框架，推动了心理健康领域对话建模的进一步发展。

当前挑战

MENTAL-TRUST数据集在构建和应用中面临多重挑战。首先，信任作为一种动态且主观的心理状态，其量化需要捕捉患者话语中的细微变化，这对模型的上下文理解能力提出了极高要求。其次，数据标注过程中，专家需对患者话语的信任等级进行精确划分，但由于信任的复杂性和多样性，标注一致性难以保证。此外，尽管MENTAL-TRUST在信任建模上取得了显著进展，但其仅限于英语对话，且未涵盖多模态数据（如语音和面部表情），这限制了其在跨文化和实际应用中的广泛适用性。

常用场景

经典使用场景

MENTAL-TRUST数据集在心理健康咨询领域中被广泛用于研究患者与治疗师之间的信任动态。通过分析212次咨询会话中的12.9K条患者话语，研究者能够追踪信任的演变轨迹，并利用七级专家验证的信任标签进行量化分析。这一数据集为理解信任在治疗过程中的作用提供了丰富的数据支持，尤其是在文本咨询中，信任的动态变化对治疗效果的影响尤为显著。

衍生相关工作

MENTAL-TRUST数据集的发布催生了一系列相关研究，尤其是在信任建模和心理健康对话分析领域。基于该数据集，研究者开发了TRUST-BENCH基准测试，评估了多种经典和前沿语言模型在信任检测任务中的表现。此外，一些研究进一步探索了信任与话题转换之间的关系，揭示了信任动态如何影响咨询会话的深度和效果。这些衍生工作不仅扩展了数据集的应用范围，也为心理健康领域的AI辅助工具开发提供了新的方向。

数据集最近研究

最新研究方向

近年来，MENTAL-TRUST数据集在心理健康咨询领域的研究方向主要集中在信任建模的动态轨迹分析及其在治疗过程中的应用。该数据集通过专家验证的七个序数信任级别，捕捉了患者与治疗师之间信任的微妙变化，为理解治疗关系的质量提供了新的视角。研究热点包括利用自然语言处理技术（如BERT、BART等模型）对信任进行量化分析，探索信任在治疗对话中的演变规律。此外，MENTAL-TRUST还推动了基于AI的治疗辅助工具的开发，帮助治疗师实时调整策略，提升治疗效果。这一研究方向不仅填补了现有研究中信任动态建模的空白，还为心理健康领域的数字化干预提供了新的理论支持和技术手段。

相关研究论文

• Trust Modeling in Counseling Conversations: A Benchmark Study

  印度信息技术学院德里分校, 印度信息技术学院达尔瓦德分校, 印度理工学院德里分校 · 2025年