AAAIJul, 2019

CAiRE：一款富有同理心的神经聊天机器人

PDF
TL;DR本文介绍了一个全流程的共情对话代理 CAiRE，该系统运用 TransferTransfo 学习方法，通过多任务学习（响应语言模型、响应预测和对话情感检测）微调预训练的大规模语言模型，并在最近提出的具有同情心的对话数据集（Rashkin 等人，2019）上进行了评估，实验结果表明 CAiRE 在对话情感检测和共情响应生成方面实现了最先进的性能。
empathetic conversation agenttransfertransfomulti-task learningempathetic-dialogues datasetstate-of-the-art performance
发现论文，激发创造
  • CARE：基于潜在概念的常识感性响应生成

    本篇论文探讨将理性和情感融合到人工智能对话代理中的可行性，并提出了 CARE 模型，一种基于常识感知的情感响应生成模型，实验证明该模型比仅关注单一方面的现有模型在生成情感响应方面更加准确。

    Dec, 2020

  • CARE: 有条件图生成的因果推理及移情回应

    提出了一种新的名为 CARE 的框架，它通过使用 Conditional Variational Graph Auto-Encoder (CVGAE) 来推理所有可能的因果关系，并采用多源注意力机制来将这些因果关系注入到共情型对话响应生成中，实验结果表明该方法取得了最先进的性能。

    Nov, 2022

  • 情感感知的 Transformer 编码器用于共情对话生成

    该研究提出了一种基于情感感知的 Transformer 编码器，用于生成类人的同情回应，将语义和情感方面集成到输入话语中。在 Facebook AI 共情对话数据集的实验中，该模型相比现有方法生成的回应具有更高的 BLEU-4 得分，这表明情感智能的虚拟代理现在已成为现实，并且未来在所有人机接口中都将包括情感作为一种模态。

    Apr, 2022

  • 情感感知聊天机器：为类人情感互动生成自动情感响应

    本文通过提出统一的端到端神经架构，实现对发帖的语义和情感的编码，以生成智能回复和恰当表达情感，实验证明在内容连贯性和情感适当性方面优于现有方法。

    Jun, 2021

  • 情感化应答生成与状态管理

    提出了一种情感对话生成模型，采用情感感知对话管理，包括情感状态跟踪和移情对话策略选择两个部分，动态管理不同信息可帮助模型生成更具移情效果的回复。

    May, 2022

  • 思前想后：一个类似人类的两阶段对话代理，用于情感响应生成

    本文提出了一种基于神经网络的两阶段对话模型，通过从语义和情感角度对话生成，不需要大量情感标注数据。实验表明，该模型在情感生成方面优于其他比较模型，并在语义性能上保持一致性。

    Jan, 2023

  • 构建具有情感原因的在线同情心聊天机器人

    通过发展具有同理心的聊天机器人，利用因果情绪信息，收集在线情境中产生情绪的原因来实现同情回应，即情感原因，我们利用咨询策略并在真实世界的在线数据集上验证了所提出的方法的有效性。

    May, 2021

  • CAiRE_HKUST 在 SemEval-2019 任务 3 中的应用：采用分层注意力模型进行对话情感分类

    本研究介绍了一种层次化方法来识别情感，以分类对话情感，实验表明，该方法取得了显著的改进，最佳模型在测试集上达到了 76.77％的 F1 分数。

    Jun, 2019

  • EmotionX-IDEA: 情感 BERT—— 一种面向对话的情感模型

    本文研究了预训练语言模型 BERT 在情感识别中的能力。通过 BERT 的框架和两句话的结构，我们将其应用于连续对话情感预测任务中，并依赖于句子级上下文感知理解。实验表明，通过将连续对话映射到因果话语对中，该模型能更好地捕获回复话语的情感。该方法在 Friends 和 EmotionPush 的测试数据集中取得了 0.815 和 0.885 微型 F1 分数。

    Aug, 2019

  • 基于认知、情感和行为的共情对话生成

    该研究提出了 CAB 框架，该框架从认知、情感和行为三个角度出发，生成具有同情心的响应，并在自动和手动评估中均打败了现有的最先进模型。

    Feb, 2023