MentalManip: A Dataset For Fine-grained Analysis of Mental Manipulation in Conversations

心理操纵是人际交往中一种重要的虐待形式，由于其依赖于特定的上下文和常常微妙难辨，因此很难识别。检测操纵性语言对于保护潜在受害者至关重要，但自然语言处理领域目前在这个领域面临着资源和研究的匮乏。我们的研究通过引入一个名为${\rm M{\small ental}M{\small anip}}$的新数据集来填补这一空白，该数据集包含了4000个已注释的电影对话。该数据集使得心理操纵的全面分析成为可能，可以确定用于操纵的技术和针对受害者的弱点。我们的研究进一步探讨了领先的模型在识别操纵性对话及其组成部分方面的有效性，通过一系列具有不同配置的实验进行了验证。结果表明，这些模型无法充分识别和分类操纵性内容。试图通过使用现有的关于心理健康和有害性的数据集进行微调来提高它们的性能，但这些限制并没有得到克服。我们预计${\rm M{\small ental}M{\small anip}}$将会刺激进一步的研究，从而促进对谈话中心理操纵影响的理解和缓解。

本论文旨在解决识别交际中心理操纵的问题，并提出了一个新的数据集 MentalManip，以便进行全面的分析和研究。

论文通过引入新的数据集 MentalManip，探讨了当前自然语言处理领域中关于心理操纵的语言识别和分类问题，并尝试了多种模型的效果。

论文提出了一个新的数据集 MentalManip，包含了 4000 个电影对话，用于分析心理操纵的技术和受害者的弱点。实验结果表明，目前的先进模型在识别心理操纵方面的表现仍然不足，并且尝试使用现有的心理健康和有害性数据集进行微调并没有改善这一问题。

最近的相关研究包括：《Detecting Persuasion in Text-based Communication》、《Automatic Detection of Persuasion in Text-based Communication》等。