Affective-NLI：迈向准确且可解释的对话个性识别
计算与语言
2024-04-04 v1 人工智能
摘要
对话个性识别（PRC）旨在通过文本对话内容识别说话者的个性特征。这对于人机交互（HCI）的各种应用（如基于AI的心理治疗和老年伴侣机器人）中提供个性化服务至关重要。最近的大多数研究分析对话内容以进行个性分类，但忽略了两大影响性能的主要问题。首先，对话中包含的关键隐含因素（如反映说话者个性的情感）被忽略。其次，仅关注输入对话内容而忽视对个性本身的语义理解，降低了结果的可解释性。在本文中，我们提出了情感自然语言推理（Affective-NLI）用于准确且可解释的PRC。为了利用对话内容中的情感性进行准确的个性识别，我们微调了一个预训练语言模型，专门用于对话中的情感识别，从而实现对话语的实时情感标注。为了识别结果的可解释性，我们将个性识别表述为一个NLI问题，通过判断个性标签的文本描述是否被对话内容蕴含。在两个日常对话数据集上的大量实验表明，Affective-NLI显著优于最先进方法（6%-7%）。此外，我们的Flow实验表明，Affective-NLI能够在对话早期阶段准确识别说话者的个性，超越最先进方法22%-34%。
引用
@article{arxiv.2404.02589,
title = {Affective-NLI: Towards Accurate and Interpretable Personality Recognition in Conversation},
author = {Zhiyuan Wen and Jiannong Cao and Yu Yang and Ruosong Yang and Shuaiqi Liu},
journal= {arXiv preprint arXiv:2404.02589},
year = {2024}
}
备注
Accepted by IEEE PerCom 2024