本文提出了一种多任务框架，该框架联合识别对话的情感并根据所识别的情感生成响应，我们利用基于 BERT 的网络来创建一种共情系统，并使用混合目标函数来训练端到端网络，包括分类和生成损失函数，实验结果表明，我们的多任务框架优于现有的最先进模型。

May, 2022

研究调查了 745 名受访者，旨在了解不同应用中关于情感技能的期望和偏好。结果表明，在设计情感智能对话代理时，应根据应用的上下文和性质考虑适应性和情境感知。

Oct, 2023

本研究提出了一种基于情感上下文的语言建模方法，可以更有效地考虑语言生成过程中的情感内容。使用 Empathetic-Dialogues 语料库进行实验，相较于现有方法，本方法在困惑度指标上提高了 5 个百分点，并获得了更高的 BLEU 指标分数。

Nov, 2019

本文基于一项采用自然语言对话的多议题协商任务的人际交互数据集，通过对对话状态未标记的文本数据的学习，对话模型能够具备自然语言对话和推理技能，通过模拟对话过程能够取得更好的表现，本文的数据集和代码公开。

Jun, 2017

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

自动对话摘要是一个已经建立良好的任务，旨在从人类对话中识别出最重要的内容，创建一个简短的文本摘要。尽管该领域最近取得了进展，但我们发现大部分研究都集中在总结事实信息上，忽略了能够传达有用信息以分析、监控或支持人类互动的情感内容。本文提出并评估了一组度量标准 $PEmo$，以量化对话摘要中保留的情感程度。结果表明，现有的摘要模型在摘要中并不能很好地保留情感内容。我们还展示了通过将训练集仅限于情感对话，生成的摘要可以更好地保留情感内容，同时保持最突出的事实信息。

Jul, 2023

综述谈判对话系统中的最新成果，分析其评估与方法学现状，并讨论多模态、多方和跨文化谈判场景等未来研究方向，以期为研究者提供系统性的概述和启发。

Dec, 2022

综述了最近关于谈判对话系统的研究，包括任务、评估和方法论，探讨了多模态、多方和跨文化谈判情景，并旨在为社区提供系统的谈判对话系统概述以及为未来研究提供启示。

Feb, 2024

该研究将情感智能技术整合进自动对话系统中，通过深度学习和自然语言处理技术创建了一个具有情感智能的对话生成模型。该模型能够实时检测和理解广泛的情绪和特定的疼痛信号，使系统能够提供共情互动。通过整合研究 “人工智能能检测疼痛并表达痛苦共情吗？” 的结果，增强了模型理解痛苦共情的微妙元素的能力，为情感智能对话系统设定了更高的标准。该项目旨在为将先进的情感智能能力整合到对话系统中提供理论理解和实际建议，从而提高用户体验和交互质量。

Apr, 2024

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