A Unified Approach to Emotion Detection and Task-Oriented Dialogue Modeling

要約

現在のテキストベースのタスク指向対話 (TOD) システムでは、ユーザーの感情検出 (ED) はしばしば見落とされているか、通常は別個の独立したタスクとして扱われており、追加のトレーニングが必要です。
対照的に、私たちの研究は、ED モデリングと TOD モデリングをシームレスに統合することが相互に利益をもたらすため、検討すべき代替案であることを示しています。
私たちの方法は、単一の言語モデルに依存して、信念状態追跡を ED を含むように拡張することによって、エンドツーエンド TOD システムである SimpleToD を強化することで構成されています。
感情の注釈が付けられた MultiWOZ のバージョンである EmoWOZ ベンチマークで GPT-2 と Llama-2 を使用してアプローチを評価します。
私たちの結果は、ED とタスクの結果のパフォーマンスが全体的に向上していることを明らかにしています。
私たちの調査結果はまた、ユーザーの感情がシステムの応答に有用な状況条件付けを提供し、共感の観点から応答をさらに洗練するために活用できることも示しています。

要約(オリジナル)

In current text-based task-oriented dialogue (TOD) systems, user emotion detection (ED) is often overlooked or is typically treated as a separate and independent task, requiring additional training. In contrast, our work demonstrates that seamlessly unifying ED and TOD modeling brings about mutual benefits, and is therefore an alternative to be considered. Our method consists in augmenting SimpleToD, an end-to-end TOD system, by extending belief state tracking to include ED, relying on a single language model. We evaluate our approach using GPT-2 and Llama-2 on the EmoWOZ benchmark, a version of MultiWOZ annotated with emotions. Our results reveal a general increase in performance for ED and task results. Our findings also indicate that user emotions provide useful contextual conditioning for system responses, and can be leveraged to further refine responses in terms of empathy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google