PsyDefDetect
PulseAugur coverage of PsyDefDetect — every cluster mentioning PsyDefDetect across labs, papers, and developer communities, ranked by signal.
- 2026-05-08 research_milestone Nürnberg NLP's ensemble system achieved first place in the BioNLP 2026 PsyDefDetect shared task. 来源
-
新方法解决了心理防御分类中的数据稀缺性问题
研究人员开发了一种从文本中分类心理防御机制（PDMs）的新方法，解决了该领域数据稀缺和类别不平衡的重大挑战。他们的方法是为PsyDefDetect共享任务提出的，结合了上下文感知的合成数据增强和混合分类模型。该框架整合了语言表征、临床特征和标注的防御项目，证明了提示质量直接影响生成保真度和性能。该方法显著优于基线模型，为低资源PDMs分类树立了新的基准。
-
PsyDefDetect任务聚焦对话中的心理防御机制
在BioNLP@ACL 2026上引入了一个新的共享任务PsyDefDetect，旨在识别支持性对话中的心理防御机制。该任务使用了PsyDefConv语料库，其中包含200个对话，并根据防御机制评级量表（DMRS）框架进行了标注。在172名参与者中，有21个团队提交了最终结果，表现最佳的系统取得了0.420的宏观F1分数，这展示了基于LLM的方法的潜力，同时也凸显了类别不平衡带来的挑战。
-
新方法通过合成数据提升心理防御分类效果
研究人员开发了一种新方法，以改善文本中心理防御机制的分类，解决了数据稀疏和类别不平衡的常见问题。他们的方法结合了上下文感知的合成数据增强技术和一种混合分类模型，该模型整合了语言表征和临床特征。该框架在 PsyDefDetect 共享任务中进行了测试，与现有方法相比，在准确率和宏 F1 分数上均有显著提高，为低资源环境树立了新的基准。
-
Nürnberg NLP 以集成防御机制分类器赢得 BioNLP 2026 任务
来自 Nürnberg NLP 的研究人员开发了一种新颖的集成系统，用于对对话中的心理防御机制进行分类。他们的方法名为 PsyDefDetect，利用了三个轴上的九个不同模型：类别粒度、训练方法和基础模型类型。这种多轴投票器集成在测试中达到了 0.420 的 F1 分数，在 BioNLP 2026 共享任务中名列 21 支队伍的第一名。