人类社交对话中共情响应意图的分类体系
计算与语言
2020-12-09 v1
摘要
开放域对话代理或聊天机器人在自然语言处理社区中正变得越来越流行。挑战之一是使它们能够以共情的方式进行对话。当前的神经响应生成方法仅依赖于从大规模对话数据中进行端到端学习来生成对话。由于缺乏用于训练神经模型的大规模高质量数据，这种方法可能会产生社会不可接受的响应。然而，最近的工作显示了结合对话行为/意图建模和神经响应生成的前景。这种混合方法提高了聊天机器人的响应质量，并使其更具可控性和可解释性。对话意图建模的一个关键要素是开发一个分类体系。受此想法启发，我们使用一个大型共情对话数据集（25K 对话）的子集手动标记了 500 个响应意图。我们的目标是生成大规模的共情响应意图分类体系。此外，使用词汇和机器学习方法，我们利用已识别的响应意图和 32 个情感类别，自动分析了整个数据集的说话者和听话者的话语。最后，我们使用信息可视化方法来总结情感对话交换模式及其时间进程。这些结果揭示了人类与人类开放域对话中新颖且重要的共情模式，并可作为混合方法的启发式规则。
引用
@article{arxiv.2012.04080,
title = {A Taxonomy of Empathetic Response Intents in Human Social Conversations},
author = {Anuradha Welivita and Pearl Pu},
journal= {arXiv preprint arXiv:2012.04080},
year = {2020}
}
备注
In Proceedings of the 28th International Conference on Computational Linguistics (COLING 2020). 9 pages