Use of a Taxonomy of Empathetic Response Intents to Control and Interpret Empathy in Neural Chatbots

要約

オープンドメインの会話型エージェントの分野における最近の傾向として、感情的なプロンプトに対して共感を持って会話できるようになってきています。
現在のアプローチは、エンドツーエンドのアプローチに従うか、同様の感情ラベルに基づいて反応を条件付けして共感的な反応を生成します。
しかし、共感は、観察された他人の経験に対する個人の認知的および感情的な反応を指す広い概念であり、単なる感情の模倣よりも複雑です。
したがって、チャットボットの共感的な応答能力を制御および解釈するには、一般的な感情に加えて、人間の複雑な会話戦略とダイナミクスを特定する必要があります。
この研究では、制御可能かつ解釈可能な方法で共感応答を生成できる対話応答生成モデルを構築する際に、一般的な感情カテゴリに加えて 8 つの共感応答意図の分類を利用します。
これは 2 つのモジュールで構成されます: 1) 応答感情/意図予測モジュール。
2) 応答生成モジュール。
我々は、次の反応の感情/意図を予測し、これらの予測された感情/意図に基づいて条件付きの反応を生成するための、いくつかのルールベースの神経的アプローチを提案します。
自動および人的評価の結果は、エンドツーエンドのモデルよりも多様で共感的により適切な応答を生成する際に、共感的な応答意図の分類を使用することの重要性を強調しています。

要約(オリジナル)

A recent trend in the domain of open-domain conversational agents is enabling them to converse empathetically to emotional prompts. Current approaches either follow an end-to-end approach or condition the responses on similar emotion labels to generate empathetic responses. But empathy is a broad concept that refers to the cognitive and emotional reactions of an individual to the observed experiences of another and it is more complex than mere mimicry of emotion. Hence, it requires identifying complex human conversational strategies and dynamics in addition to generic emotions to control and interpret empathetic responding capabilities of chatbots. In this work, we make use of a taxonomy of eight empathetic response intents in addition to generic emotion categories in building a dialogue response generation model capable of generating empathetic responses in a controllable and interpretable manner. It consists of two modules: 1) a response emotion/intent prediction module; and 2) a response generation module. We propose several rule-based and neural approaches to predict the next response’s emotion/intent and generate responses conditioned on these predicted emotions/intents. Automatic and human evaluation results emphasize the importance of the use of the taxonomy of empathetic response intents in producing more diverse and empathetically more appropriate responses than end-to-end models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google