SALT-NLP/positive_reframing

Positive Psychology Frames数据集包含8,349对重新构建的句子，其中原始句子来自负面推文（#stressed），而重新构建的句子则由接受过积极心理学方法培训的众包工作者提供。该数据集旨在通过积极心理学的策略，将过度负面的文本自动重构为更积极的视角。数据集中的重构策略包括成长心态、无常性、中立化、乐观主义、自我肯定和感恩等。Positive Psychology Frames Dataset contains 8,349 pairs of restructured sentences. The original sentences are sourced from negative tweets tagged with #stressed, while the restructured sentences were provided by crowdworkers trained in positive psychology methodologies. This dataset is designed to automatically transform overly negative text into a more positive perspective via positive psychology strategies. The restructuring strategies included in the dataset cover growth mindset, impermanence, neutralization, optimism, self-affirmation, and gratitude.

原始信息汇总

数据集概述

数据集名称

Positive Psychology Frames

数据集内容

包含8,349对重构句子，其中原始句子来自负面推文（#stressed），重构版本由接受过积极心理学方法培训的众包工作者提供。

数据集结构

• 原始文本：来自负面推文的句子。
• 重构文本：由众包工作者根据积极心理学方法重构的句子。
• 策略：用于重构的心理学策略。
• 带标签的原始文本：原始文本与标签结合。

心理学策略分类及分布

• 成长心态：25.4%
• 无常：19.5%
• 中和：36.1%
• 乐观：48.7%
• 自我肯定：10.1%
• 感恩：13.0%

数据集用途

• 用于训练神经模型，以自动将过度负面的文本重构为更积极的角度。
• 用于识别或分类用于重构特定来源的心理学策略。

数据集准备

• 数据集文件位于data/目录下，包含多种格式的数据文件，适用于不同的模型训练。

引用信息

• 作者：Ziems, C., Li, M., Zhang, A., & Yang, D.
• 出版年份：2022
• 标题：Inducing Positive Perspectives with Text Reframing
• 会议：Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics (ACL)
• BibTeX引用： tex @inproceedings{ziems-etal-2022-positive-frames, title = "Inducing Positive Perspectives with Text Reframing", author = "Ziems, Caleb and Li, Minzhi and Zhang, Anthony and Yang, Diyi", booktitle = "Proceedings of the 60th Annual Meeting of the Association for Computational Linguistics", month = may, year = "2022", address = "Online and Dublin, Ireland", publisher = "Association for Computational Linguistics" }

搜集汇总

数据集介绍

构建方式

在积极心理学与自然语言处理的交叉领域，Positive Psychology Frames 数据集的构建体现了严谨的学术设计。该数据集源自社交媒体平台上的负面推文，通过众包方式，由经过积极心理学方法培训的工作人员为每一条原始句子创作重构版本，最终形成了8,349对句子。这一过程确保了重构文本不仅维持原句的核心语义，还融入了成长心态、乐观主义等六类理论驱动的积极策略，为研究提供了高质量的平行语料。

使用方法

在技术应用层面，该数据集为多种自然语言处理模型提供了标准化的评估框架。研究人员可依据提供的基准脚本，使用T5、BART等先进神经网络进行训练与测试，探索在无约束或受控设置下的文本重构性能。数据已按模型需求预处理为不同格式，如CSV或文本对，方便直接集成至训练流程，旨在推动生成系统在保持语义一致性的同时，输出更具建设性的语言表达。

背景与挑战

背景概述

在自然语言处理领域，文本情感转换与心理干预的结合逐渐成为研究热点。SALT-NLP/positive_reframing数据集于2022年由佐治亚理工学院的研究团队Caleb Ziems、Minzhi Li、Anthony Zhang和Diyi Yang共同创建，旨在通过积极心理学策略对负面文本进行重构，以诱导积极视角。该数据集的核心研究问题聚焦于如何利用计算模型自动将过度负面的表述转化为积极但内容一致的文本，从而在心理健康支持、情感计算等领域提供新的技术路径。其影响力不仅体现在推动了文本生成模型在情感干预方向的应用，还为跨学科研究搭建了桥梁，促进了心理学理论与人工智能技术的深度融合。

当前挑战

该数据集致力于解决文本情感重构领域的核心挑战，即如何在不扭曲原意的前提下，将负面表述转化为积极视角，这要求模型具备深层的语义理解和情感推理能力。在构建过程中，研究团队面临多重挑战：首先，确保众包工作者准确应用积极心理学策略进行文本重构，需要严格的培训与质量控制；其次，标注过程中需平衡不同策略（如成长心态、乐观主义等）的分布，以反映真实心理干预的多样性；此外，数据来源于社交媒体负面推文，其语言的非正式性与复杂性增加了重构的难度。当前，基于该数据集的神经模型仍存在生成内容空洞、与前提矛盾或幻觉等问题，凸显了文本生成系统在实现可靠积极视角转换方面的技术瓶颈。

常用场景

经典使用场景

在积极心理学与自然语言处理的交叉领域，Positive Psychology Frames数据集为文本情感重构研究提供了关键资源。该数据集通过收集来自负面推文的原始句子及其经过积极心理学策略重构的对应版本，构建了包含8349个句对的语料库。其经典应用场景在于训练神经网络模型，学习如何将消极表述自动转化为积极视角，同时识别重构过程中所采用的具体心理学策略，如成长心态、乐观主义等，为情感支持性文本生成奠定了数据基础。

解决学术问题

该数据集有效应对了自然语言生成中情感偏置矫正的学术挑战。传统文本生成模型常难以避免负面情绪的无意识传播，而本数据集通过引入积极心理学框架，为模型提供了系统性的正面视角转换范例。它解决了生成文本时保持内容一致性同时实现情感提升的难题，并为评估生成系统的情感健康性提供了可量化的基准，推动了计算语言学与心理健康领域的跨学科融合。

实际应用

在实际应用层面，该数据集支撑了多种心理健康辅助工具的研发。例如，可集成于社交媒体平台或聊天机器人中，实时对用户发布的负面内容进行温和的情感重构建议，提供心理支持。此外，在教育与咨询领域，该技术能帮助培训师或治疗师学习积极沟通技巧，辅助生成具有建设性的反馈文本，促进对话环境的积极化与支持性氛围的营造。

数据集最近研究

最新研究方向

在心理健康与自然语言处理交叉领域，SALT-NLP/positive_reframing数据集正推动文本积极重构技术的前沿探索。该数据集基于积极心理学理论，将负面文本转化为积极视角，为情感支持系统与认知干预工具的开发提供了关键资源。当前研究聚焦于提升生成模型的可靠性与策略多样性，旨在克服模型生成中的空洞变换、前提矛盾及幻觉等问题。随着数字心理健康应用的兴起，该数据集在缓解负面思维模式、促进心理韧性方面展现出深远影响，成为构建具有同理心与人文关怀的智能系统的基准测试平台。