Mar, 2024

CTSM: 结合特质和状态情绪的共情响应模型

HTML
PDF
TL;DRCombining Trait and State emotions for Empathetic Response Model (CTSM) enhances emotional perception and empathetic expression in dialogue systems, outperforming state-of-the-art baselines.
发现论文，激发创造
  • 为移情式对话生成建立知识桥梁

    通过利用外部知识，包括常识和情感词汇知识，显式理解和表达情感，以生成共情响应，并通过情感交叉注意力机制从情感上理解和表达情感交互。

    Sep, 2020

  • 情感解析用于共情回应生成

    本文针对共情对话系统中，理解说话者的情感，并能产生合适的回复的技能进行了研究。我们提出了一种简单的技术，称为“情感解码”，用于产生共情回应，该方法可以在每个解码步骤中有效地融合情感信号，并可以辅以辅助双重情感编码器进行增强。广泛的实证研究表明，相对于几种强大的主流方法，人类评估认为我们的模型更具共情能力。

    Aug, 2021

  • 构建情感共识并利用非配对数据进行共情式对话生成

    本文提出了一种双重生成模型（Dual-Emp），通过集成前向对话模型、后向对话模型和表示情感共识的离散潜变量来实现情感共识的构建，同时利用来自开放域对话的非成对情感数据，产生了比人类注释更高效且成本更低的伪成对共情样本，进而在自动和人工评估中表现出优异的编织性和共情响应。

    Sep, 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

  • 基于解缠技术的内容-情绪二元建模，用于共情式对话

    本论文旨在为共情性回应生成设计一种能够通过内容和情感视角对话历史进行编码的框架，从而生成包含内容和情感信息的回应，实验结果表明，该框架在自动和人类评估指标上均取得了最优结果，同时比先前的方法生成了更多的共情回应。

    Sep, 2022

  • 通过敏感情绪识别和合理知识选择的共情对话生成

    为解决对话中情感的动态性和共情生成中的常识知识冲突问题，我们提出了一种串行编码和情感-知识相互作用（SEEK）方法，使用细粒度编码策略和知情与情感的相互作用建模，从而在共情对话生成方面表现出色。

    Oct, 2022

  • 利用情感回应意图分类控制和解释神经聊天机器人中的共情

    本文提出一种利用八种共情响应意图的分类法来控制和解释聊天机器人的共情响应能力的方案：该方案包括两个模块，一个是响应情感/意图预测模块，另一个是响应生成模块。研究结果表明，该方案可以生成比端到端模型更多样化且更具共情的响应。

    May, 2023

  • 情感关联增强的共情式对话生成

    实现共情是朝向人性化对话系统的关键步骤。本文提出了一种新的情感相关增强的共情对话生成框架，完整地实现了情感相关的学习、利用和监督。实验结果表明我们的模型在共情感知和表达方面具有优势。

    Nov, 2023

  • 利用情感-语义相关性进行共情式回应生成

    我们提出了一个动态的情感-语义相关模型（ESCM）来帮助生成共情性对话，它通过上下文和情感的交互构建了动态的情感-语义向量并引入了依赖树来反映情感和语义之间的相关性，通过动态的相关图卷积网络引导模型学习对话中的上下文含义并生成具有流畅且丰富信息的共情性回应。实验结果表明，ESCM能更准确地理解语义和情感，并表达出具有流畅且信息丰富的共情性回应，分析结果也显示出对话中情感和语义之间的相关性的频繁使用对共情感知和表达具有重要意义。

    Feb, 2024

  • 情感回应生成的迭代联想记忆模型

    情感回应生成是理解对话表述中的认知和情感状态并生成适当回应。本文提出了一种迭代联想记忆模型 (IAMM)，通过使用新颖的二阶交互注意机制，迭代捕捉对话表述和情境、对话历史以及记忆模块 (用于存储关联词) 之间的重要关联词，从而准确而细致地理解表述。实验验证了该模型的有效性，并且语言模型的变化实验也表明关注关联词可以提高情感的理解和表达。

    Feb, 2024