StyEmp: Stylizing Empathetic Response Generation via Multi-Grained Prefix Encoder and Personality Reinforcement

要約

共感的な応答を生成するための最近のアプローチは、システムの個性を考慮せず、主に感情的な共鳴とユーザーの理解に焦点を当てています。
一貫した個性は実際の人間の表情に顕著に表れ、信頼できるシステムを作成するために重要です。
この問題に対処するために、我々は StyEmp を提案します。これは、一貫した性格で共感的反応の生成を定型化することを目的としています。
具体的には、システムの個性とその共感表現の間の複雑な関係を捉えるように設計されたマルチグレイン プレフィックス メカニズムが組み込まれています。
さらに、対照学習を利用して生成モデルを調整する性格強化モジュールを導入し、応答が共感的であり、明確な性格を反映していることを保証します。
EMPATHETICDIALOGUES ベンチマークの自動評価と人間による評価では、StyEmp が共感と個性表現の両方の点で競合ベースラインを上回っていることが示されています。

要約(オリジナル)

Recent approaches for empathetic response generation mainly focus on emotional resonance and user understanding, without considering the system’s personality. Consistent personality is evident in real human expression and is important for creating trustworthy systems. To address this problem, we propose StyEmp, which aims to stylize the empathetic response generation with a consistent personality. Specifically, it incorporates a multi-grained prefix mechanism designed to capture the intricate relationship between a system’s personality and its empathetic expressions. Furthermore, we introduce a personality reinforcement module that leverages contrastive learning to calibrate the generation model, ensuring that responses are both empathetic and reflective of a distinct personality. Automatic and human evaluations on the EMPATHETICDIALOGUES benchmark show that StyEmp outperforms competitive baselines in terms of both empathy and personality expressions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google