ESCoT：面向可解释情感支持对话系统的研究

理解情感支持响应背后的原因对于建立用户与情感支持对话系统之间的连接至关重要。以往的研究主要关注生成更好的响应，但忽略了可解释性，而这在构建可靠的对话系统方面至关重要。为了赋予系统更好的可解释性，我们提出了一种情感支持响应生成方案，称为 $\textbf{E}$motion-Focused and $\textbf{S}$trategy-Driven $\textbf{C}$hain-$\textbf{o}$f-$\textbf{T}$hought ($\textbf{ESCoT}$)，模仿 $\textit{identifying}$、$\textit{understanding}$ 和 $\textit{regulating}$ 情绪的过程。具体而言，我们采用 ESCoT 方法构建了一个新数据集，分为两个步骤：（1）$\textit{Dialogue Generation}$，首先生成多样化的对话情境，然后基于这些情境利用更丰富的情感支持策略来增强对话生成；（2）$\textit{Chain Supplement}$，聚焦于为选定对话补充情绪、刺激、情境认定和策略原因等要素，形成经人工验证的链式结构。此外，我们进一步开发了一个能够生成可解释性更好的对话响应的模型。我们还进行了大量实验和人类评估，以验证所提出 ESCoT 及其生成对话响应的有效性。我们的数据和代码均已公开于 $\href{https://github.com/TeigenZhang/ESCoT}{https://github.com/TeigenZhang/ESCoT}$。