通过动态注入常识知识改进共情对话生成
计算与语言
2023-06-09 v1 人工智能
摘要
在共情对话中，个体向他人表达共情。先前工作主要聚焦于利用说话者情绪生成共情回复。此外，外部常识知识库已被用于增强系统对说话者情境的理解。然而，给定一个事件，常识知识库包含多种关系，可能导致对话系统混淆。因此，情绪、生成回复与说话者上下文信息之间出现不一致。为此，我们提出一种新颖的共情回复生成方法，其引入一个自适应模块进行常识知识选择，以确保生成的共情回复与说话者情境一致。所选知识用于精炼生成回复的常识认知与共情表达。实验结果表明，我们的方法在自动与人工评测中均显著优于基线模型，展现出更连贯且更具共情的回复生成。此外，案例研究凸显了回复中知识选择的可解释性以及我们模型中自适应模块的有效性。代码：https://github.com/Hanscal/DCKS。
引用
@article{arxiv.2306.04657,
title = {Improving Empathetic Dialogue Generation by Dynamically Infusing Commonsense Knowledge},
author = {Hua Cai and Xuli Shen and Qing Xu and Weilin Shen and Xiaomei Wang and Weifeng Ge and Xiaoqing Zheng and Xiangyang Xue},
journal= {arXiv preprint arXiv:2306.04657},
year = {2023}
}
备注
Accepted by ACL 2023. arXiv admin note: substantial text overlap with arXiv:2109.05739 by other authors