Emotional First Aid Dataset

心理咨询问答语料库，仅限研究用途。

心理咨询问答语料库（以下也称为“数据集”，“语料库”）是为应用人工智能技术于心理咨询领域制作的语料。据我们所知，这是心理咨询领域首个开放的 QA 语料库，包括 20,000 条心理咨询数据，也是迄今公开的最大的中文心理咨询对话语料(发稿日期 2022-04-07)。数据集内容丰富，不但具备多轮对话内容，也有分类等信息，制作过程耗费大量时间和精力，比如标注过程是面向多轮对话，平均每条标记耗时超过 1 分钟。

数据集由斯坦福大学、UCLA、台湾辅仁大学临床心理学等心理学专业人士与 Chatopera 合作完成，并有十位左右的志愿者参与建设。

Chatopera 云服务

在发布心理咨询问答语料库 3 年左右，我们收到一些心理咨询领域的人士的咨询，赢得了不少人的关注和致谢。荣誉属于所有参与这个项目贡献的人，在 2020 年春夏，我们花了大量的时间，探索这个前人没有什么突破的方向。

现在，作为主要的语料贡献者之一 Chatopera，将主要精力花在提供定制聊天机器人的底层工具，基础服务上，运营 Chatopera 云服务，在 Chatopera，我们相信，以人工智能为技术基础的聊天机器人一定会改变世界，使生活更美好。Chatopera 云服务自 2018 年 11 月上线以来，稳定运行，不断升级，已成为开发者友好的聊天机器人云服务，Chatopera 愿与更行业内的开发者一道，让更多的聊天机器人上线！

-- Hai Liang W., CEO, Chatopera @ 2023-03

安装使用

Python

为了方便使用，数据集发布到 https://github.com/chatopera/efaqa-corpus-zh 上，使用 pip 下载安装。

pip install -U efaqa-corpus-zh

演示代码

import efaqa_corpus_zh
l = list(efaqa_corpus_zh.load())
print("size: %s" % len(l))
print(l[0]["title"])

初次执行 load 接口，会下载数据，数据在 Github 上，请确保网络可以访问到https://github.com。下载速度取决于网络质量，目前数据集压缩包大小~8MB。

语料文件

如果您使用其它编程语言，那么直接先下载数据文件efaqa-corpus-zh.utf8.gz，然后使用 Gzip 解压工具解压，得到文本文件，然后按行读取。

在线数据平台

为帮助大家更好的使用数据集，我们也上线到不同在线数据平台，以下为部分数据平台链接。

Kaggle | Baidu AI Studio | 天池实验室

为什么以及怎样发布了这个语料库

AI 心理陪伴语料标注培训，人工智能助力心理咨询 | Chatopera

其他播放地址：YouTube

数据格式

数据文件位置efaqa-corpus-zh.utf8.gz，该文件为 Gzip 压缩，utf8 编码，每行一条数据，每条为 JSON 格式字符串，格式如下：

【注意】sender 的值是owner代表消息是咨询者发送的；值是audience代表消息是网友发布的，网友可能是心理咨询师，也可能不是。

数据示例

{
  "md5": "2f63d374c071043d9e1968aefa62ffb7",
  "owner": "匿名",
  "title": "女 听过别人最多的议论就是干啥啥不行不长心眼没有脑子",
  "label": {
    "s1": "1.13",
    "s2": "2.7",
    "s3": "3.4"
  },
  "chats": [
    {
      "time": "11:02:45",
      "value": "这样的议论是针对谁呢？",
      "sender": "audience",
      "type": "textMessage",
      "label": { "question": true, "knowledge": false, "negative": false }
    },
    {
      "time": "11:08:38",
      "sender": "audience",
      "type": "textMessage",
      "value": "欢迎你来找我玩❤",
      "label": { "question": false, "knowledge": false, "negative": false }
    },
    {
      "time": "11:15:17",
      "sender": "owner",
      "type": "textMessage",
      "value": "好惨"
    }
  ]
}

数据标注

一条数据中，title和description是咨询者咨询的初始信息，话题标签是基于二者将咨询问题进行分类，分类包含三个维度：S1 烦恼类型；S2 心理疾病；S3 SOS。其中，S代表severity，三个维度体现心理问题的严重程度依次加重。需要强调的是, 其中一些项目需要临床医学鉴定，数据集所使用概念，均代表疑似，比如我们标记了一个话题分类为抑郁症，实际上是指疑似抑郁症，该声明不代表我们的工作不认真，而是严格的判断的难度以及出于严谨性的考虑。

在label中记录的是每个维度子类的 ID，ID 设计如下。

S1 烦恼类型

S2 心理疾病

心理问题已经影响工作，咨询者需要休息调整或就医。

【注意：】一些在临床上更为严重的心理疾病，比如多重人格等，因为其复杂性，更不容易判断，数据集暂时不涉及标注。

S3 SOS

紧急情况，需要立刻有人工干预。

聊天标签

标注贡献者

出于对数据质量的严格要求，我们的招募过程是认真对待的，本语料有相当一部分是网络招募志愿者完成，而且不乏心理学专业人士，或者对心理学有浓厚兴趣的爱心人士，加入的志愿者也是非常积极的，不辞辛苦，愿意为人工智能技术应用于心理咨询行业日夜工作，终于有了这个数据集！

志愿者成员分布在中国大陆、法国、美国和加拿大，标注工作占据了大家很多闲暇时间和休息时间，对此表达特别敬意！

以下为标注语料的志愿者：

【注】非全部志愿者，以上为经过同意后公开的信息。

声明

不论因何种目的，使用本数据集必须遵守以下的声明和许可证，否则本公司将追究法律责任。

声明 1

本数据集使用在线心理咨询数据清洗、脱敏和标注制作，数据及代码发布使用 GPL 3.0 许可协议。数据仅限于研究用途，如果在发布的任何媒体、期刊、杂志或博客等内容时，必须注明引用和地址。无授权商业用途，追究版权。

@online{efaqa-corpus-zh:petpsychology,
  author = {Hai Liang Wang, Zhi Zhi Wu, Jia Yuan Lang},
  title = {派特心理：心理咨询问答语料库},
  year = 2020,
  url = {https://github.com/chatopera/efaqa-corpus-zh},
  urldate = {2020-04-22}
}

声明 2

语料库为主观标注，鉴于心理咨询的严肃性和重要性，语料制作时尽可能保证数据的准确性，但是无法保证 100%准确，对于因数据内容不当产生的后果，本团队不承担任何法律责任。

Emotional First Aid Dataset, Chatopera Inc., https://github.com/chatopera/efaqa-corpus-zh, Apr. 22th, 2020

许可协议

用户使用许可协议：Emotional First Aid Dataset License, GPL 3.0