面向联合对话满意度、情感识别与情感状态转移预测的基准
计算与语言
2026-03-05 v1 人工智能
摘要
用户满意度与企业紧密相关——它不仅直接反映用户对服务质量或产品的主观评估，还影响客户忠诚度和长期商业收入。监控和理解用户在交互期间的情感有助于预测和提升满意度。然而，现有中文数据集有限，用户情感是动态的；依赖单轮对话无法完整追踪跨多轮对话中的情感变化，这可能影响满意度预测。为此，我们构建了一个多任务、多标签的中文对话数据集，支持满意度识别、情感识别以及情感状态转移预测，为研究情感和满意度在对话系统中的关系提供了新资源。
引用
@article{arxiv.2603.03327,
title = {A benchmark for joint dialogue satisfaction, emotion recognition, and emotion state transition prediction},
author = {Jing Bian and Haoxiang Su and Liting Jiang and Di Wu and Ruiyu Fang and Xiaomeng Huang and Yanbing Li and Shuangyong Song and Hao Huang},
journal= {arXiv preprint arXiv:2603.03327},
year = {2026}
}