基于细粒度意图的共情对话生成

共情对话生成旨在生成连贯的响应以承接先前的对话轮次，更重要的是，表现出关怀之意与助人意愿。现有模型要么依赖预定义的情感标签来引导响应生成，要么使用确定性规则来决定响应的情感。随着先进语言模型的出现，只要情感类别提供足够细微的区分并包含其他非情感但调节情感表达的意图，就有可能直接从数据集中学习微妙的互动。在本文中，我们描述了如何引入一个包含 32 种情感类别和 8 种额外情感调节意图的分类体系，以完成共情响应生成任务。为便于训练，我们还从电影字幕中整理了一个大规模情感对话数据集。通过一个精心设计的众包实验，我们评估并展示了我们的模型相比基线模型能生成更具共情性的对话。