从闲聊到务实：解决任务型对话中情绪识别学习的关键环节
计算与语言
2023-08-25 v1
摘要
对话情绪识别（ERC）是构建类人对话智能体的关键任务。尽管已有大量工作致力于闲聊对话的 ERC，其任务型对应部分却基本未被关注。直接将闲聊 ERC 模型应用于任务型对话（ToD）会导致次优性能，因为这些模型忽略了情绪与任务完成度之间的相关性等关键特征。本文中，我们提出一个框架，将闲聊 ERC 模型转化为任务型模型，解决数据、特征和目标三个关键方面。首先，我们设计了两种增强稀有情绪的方法以提升 ERC 性能。其次，我们使用对话状态作为辅助特征，以融入来自用户目标的关键信息。最后，我们利用 ToD 中多方面的情绪定义，设计了多任务学习目标和一种新的情绪距离加权损失函数。我们的框架在 EmoWOZ（一个大规模 ToD 用户情绪数据集）上使一系列闲聊 ERC 模型取得显著提升。我们进一步研究了最佳所得模型在不同 ToD 数据集中预测用户满意度的泛化能力。与有监督基线的比较显示出强大的零样本能力，凸显了我们的框架在更广泛应用场景中的潜在用途。
引用
@article{arxiv.2308.12648,
title = {From Chatter to Matter: Addressing Critical Steps of Emotion Recognition Learning in Task-oriented Dialogue},
author = {Shutong Feng and Nurul Lubis and Benjamin Ruppik and Christian Geishauser and Michael Heck and Hsien-chin Lin and Carel van Niekerk and Renato Vukovic and Milica Gašić},
journal= {arXiv preprint arXiv:2308.12648},
year = {2023}
}
备注
Accepted by SIGDIAL 2023