CODIPAD 数据集：基于专家注释的患者话语认知扭曲资源

《BMC Research Notes》：CODIPAD: a dataset for the detection of cognitive distortions in patient discourse

　　

摘要

目标

CODIPAD数据集（患者话语中的认知扭曲）是一项由专家注释的资源，旨在通过支持对患者书面话语中的认知扭曲进行自动检测和分类，来促进自然语言处理和心理健康领域的研究。它提供了由专家注释的、细粒度的文本片段，这些片段可用于二分类（存在扭曲与不存在扭曲）和多分类任务，并与认知疗法理论保持一致。

数据描述

CODIPAD数据集包含5,055个由专家注释的患者书面话语片段。这些数据被分为11个类别，其中包括基于认知疗法理论的10种认知扭曲类型以及一个“无扭曲”类别，从而支持二分类和多分类任务。所有片段均由临床心理学家使用基于共识的专家注释协议进行标注，该协议允许将患者话语详细分割为多个标记单元。为了解决类别不平衡问题，对于代表性不足的扭曲类型，研究人员生成了合成片段，这些合成片段经过临床专家的审查和批准后，再使用与原始数据相同的专家注释流程进行标注。每条记录包含患者的完整原始文本、提取的片段、用于区分原始片段和合成片段的唯一标识符，以及关于主要和次要认知扭曲的专家标签。

目标

CODIPAD数据集（患者话语中的认知扭曲）是一项由专家注释的资源，旨在通过支持对患者书面话语中的认知扭曲进行自动检测和分类，来促进自然语言处理和心理健康领域的研究。它提供了由专家注释的、细粒度的文本片段，这些片段可用于二分类（存在扭曲与不存在扭曲）和多分类任务，并与认知疗法理论保持一致。

数据描述

CODIPAD数据集包含5,055个由专家注释的患者书面话语片段。这些数据被分为11个类别，其中包括基于认知疗法理论的10种认知扭曲类型以及一个“无扭曲”类别，从而支持二分类和多分类任务。所有片段均由临床心理学家使用基于共识的专家注释协议进行标注，该协议允许将患者话语详细分割为多个标记单元。为了解决类别不平衡问题，对于代表性不足的扭曲类型，研究人员生成了合成片段，这些合成片段经过临床专家的审查和批准后，再使用与原始数据相同的专家注释流程进行标注。每条记录包含患者的完整原始文本、提取的片段、用于区分原始片段和合成片段的唯一标识符，以及关于主要和次要认知扭曲的专家标签。