Apr, 2024
情感-自然语言推理：实现准确且可解释的对话中个性识别
Affective-NLI: Towards Accurate and Interpretable Personality
Recognition in Conversation
TL;DR通过对文本对话内容识别说话人的个性特征，人格识别对话（PRC）旨在为人机交互（HCI）的各种应用中提供个性化服务，如基于人工智能的心理治疗和老人陪伴机器人。然而，大部分最新研究分析对话内容进行人格分类时忽略了两个主要问题，即忽略反映说话人个性的情感等对话中的关键隐含因素，以及仅关注输入对话内容而忽略对个性本身的语义理解，从而降低结果的可解释性。在本文中，我们提出了一种情感自然语言推理（Affective-NLI）的方法，用于准确且可解释的PRC。通过针对对话中情感识别的预训练语言模型进行微调，我们能够实时为话语进行情感注释，从而利用对话内容中的情感信息进行准确的个性识别。为了结果的可解释性，我们将个性识别问题形式化为自然语言推理问题，即确定文本描述的个性标签是否被对话内容所包含。在两个每日对话数据集上进行的广泛实验证明了Affective-NLI在性能上显著优于其他最先进方法（提升了6%至7%）。此外，我们的流实验证明，通过超越其他最先进方法，Affective-NLI能够在对话早期准确识别说话人的个性（提升了22%至34%）。