摘要
共情是一种复杂的认知能力，基于对他人情感状态的推理。为了更好地理解他人并在对话中表现出更强的共情，我们认为必须同时解决两个问题：(i) 从对方的话语中识别出引起其情感的词语；(ii) 在生成回应时反映这些特定的词语。然而，以往用于识别文本中情感原因词的方法需要子话语级别的标注，这可能非常耗时且费力。受社会认知的启发，我们利用生成估计器从无词级标签的话语中推断情感原因词。此外，我们提出了一种基于语用学的新方法，使对话模型在生成过程中专注于输入中的目标词语。我们的方法适用于任何对话模型，并且无需额外的即时训练。通过自动评估和人工评价，我们展示了该方法能够提高多个最佳表现的对话代理在生成更加聚焦的共情回应方面的能力。
代码仓库
skywalker023/focused-empathy
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| recognizing-emotion-cause-in-conversations-on-1 | Random | Top-1 Recall: 10.7 Top-3 Recall: 30.6 Top-5 Recall: 48.5 |
| recognizing-emotion-cause-in-conversations-on-1 | GEE | Top-1 Recall: 17.3 Top-3 Recall: 48.1 Top-5 Recall: 68.4 |
| recognizing-emotion-cause-in-conversations-on-1 | EmpDG | Top-1 Recall: 13.4 Top-3 Recall: 36.2 Top-5 Recall: 49.3 |
| recognizing-emotion-cause-in-conversations-on-1 | RAKE | Top-1 Recall: 12.7 Top-3 Recall: 35.8 Top-5 Recall: 55.0 |
| recognizing-emotion-cause-in-conversations-on-1 | BERT-Attention | Top-1 Recall: 13.8 Top-3 Recall: 40.6 Top-5 Recall: 61.2 |
| recognizing-emotion-cause-in-conversations-on-1 | Human | Top-1 Recall: 41.3 Top-3 Recall: 81.1 Top-5 Recall: 95.0 |