由范例引导并受人类交流要素控制的共情回复生成
计算与语言
2021-08-06 v3 人工智能
摘要
现有大多数共情回复生成方法依赖于上下文的情感来生成共情回复。然而，共情远不止于生成带有恰当情感的回复。它还常常需要对对方处境的理解与个人共鸣的微妙表达。遗憾的是，此类特质难以量化且数据集缺乏相关标注。为解决此问题，本文提出一种依赖范例来提示生成模型关注向对话者传递共情信号的精细风格属性的方法。为此，我们采用稠密段落检索（dense passage retrieval）从训练集中提取相关范例回复。此外，引入人类交流的三个要素——情感在场、阐释与探询，以及情感，并使用合成标签来引导生成朝向共情。人工评估也由这些人类交流要素加以扩展。我们经实验表明，这些方法在自动化与人工评估指标上均显著提升了共情回复质量。实现代码见https://github.com/declare-lab/exemplary-empathy。
引用
@article{arxiv.2106.11791,
title = {Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication},
author = {Navonil Majumder and Deepanway Ghosal and Devamanyu Hazarika and Alexander Gelbukh and Rada Mihalcea and Soujanya Poria},
journal= {arXiv preprint arXiv:2106.11791},
year = {2021}
}