ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains

要約

感情の背後にある原因を分析するには、感情の生成プロセスを理解することが重要です。
感情理解タスクである因果的感情含意 (CEE) は、ターゲット発話で表現される感情を刺激する、会話内の因果関係のある発話を特定することを目的としています。
しかし、CEE の現在の研究は主に、会話における意味論的および感情的な相互作用のモデル化に焦点を当てており、感情生成プロセスの探求は無視されています。
これにより、モデルが感情を深く理解することが妨げられ、説明可能な予測を生成する能力が制限されます。
この研究では、認知評価理論における「刺激-評価-感情」の感情生成プロセスに触発され、刺激を推測するための段階的な推論方法である感情-原因推論チェーン (ECR-Chain) を導入します。
会話中のターゲットの感情表現から。
具体的には、まず、数ショット プロンプトを介して ECR チェーンを ChatGPT に導入します。これにより、CEE タスクでのパフォーマンスが大幅に向上します。
さらに、ECR チェーン セットの構築に ChatGPT を利用する自動構築プロセスを提案します。これにより、教師ありトレーニングを通じて小規模モデルの推論能力を強化し、Vicuna-7B モデルが最先端の CEE パフォーマンスを達成できるように支援できます。
さらに、私たちの方法により、これらの生成言語モデルが説明可能な方法で感情原因推論を効果的に実行できるようになります。
コード、データ、その他の詳細については、https://github.com/hzp3517/ECR-Chain をご覧ください。

要約(オリジナル)

Understanding the process of emotion generation is crucial for analyzing the causes behind emotions. Causal Emotion Entailment (CEE), an emotion-understanding task, aims to identify the causal utterances in a conversation that stimulate the emotions expressed in a target utterance. However, current works in CEE mainly focus on modeling semantic and emotional interactions in conversations, neglecting the exploration of the emotion-generation process. This hinders the models from deeply understanding emotions, restricting their ability to produce explainable predictions. In this work, inspired by the emotion generation process of ‘stimulus-appraisal-emotion’ in the cognitive appraisal theory, we introduce a step-by-step reasoning method, Emotion-Cause Reasoning Chain (ECR-Chain), to infer the stimulus from the target emotional expressions in conversations. Specifically, we first introduce the ECR-Chain to ChatGPT via few-shot prompting, which significantly improves its performance on the CEE task. We further propose an automated construction process to utilize ChatGPT in building an ECR-Chain set, which can enhance the reasoning abilities of smaller models through supervised training and assist the Vicuna-7B model in achieving state-of-the-art CEE performance. Moreover, our methods can enable these generative language models to effectively perform emotion-cause reasoning in an explainable manner. Our code, data and more details are at https://github.com/hzp3517/ECR-Chain.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google