基于敏感情绪识别与合理知识选择的共情对话生成
计算与语言
2022-11-15 v3
摘要
共情在心理咨询中被广泛应用，是日常人类对话的关键特质。当前具备常识知识的共情回复生成方法侧重于捕捉对话上下文中的隐含情绪，其中情绪被视为贯穿对话的静态变量。然而，情绪在话语之间动态变化，这使得以往工作难以感知情绪流并预测目标回复的正确情绪，从而导致不恰当的回复。此外，未经协调地简单引入常识知识可能引发知识与情绪之间的冲突，使模型混淆并选择错误信息来引导生成过程。为解决上述问题，我们提出一种用于共情对话生成的串行编码与情绪—知识交互（SEEK）方法。我们采用对对话中情绪动态（情绪流）更敏感的细粒度编码策略，以预测回复的情绪—意图特征。此外，我们设计了一种新颖框架来建模知识与情绪之间的交互，以生成更合理的回复。在 EmpatheticDialogues 上的大量实验表明，SEEK 在自动与人工评估中均优于强基线。
引用
@article{arxiv.2210.11715,
title = {Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection},
author = {Lanrui Wang and Jiangnan Li and Zheng Lin and Fandong Meng and Chenxu Yang and Weiping Wang and Jie Zhou},
journal= {arXiv preprint arXiv:2210.11715},
year = {2022}
}