EmoDynamiX: Emotional Support Dialogue Strategy Prediction by Modelling MiXed Emotions and Discourse Dynamics

要約

苦痛を経験している人々に慰めや助言を提供する感情的に知的な会話システムの設計は、説得力のある研究分野である。近年、大規模言語モデル（LLM）の進歩により、明示的な戦略予測ステップを持たないエンドツーエンドの対話エージェントが普及している。しかしながら、暗黙的な戦略立案には透明性が欠けており、最近の研究では、LLMが特定の社会的感情的戦略に固有の選好バイアスを持つことが、質の高い感情的サポートの提供を妨げていることが示されている。この課題に対処するため、我々は、戦略予測を言語生成から切り離すことを提案し、新しい対話戦略予測フレームワークであるEmoDynamiXを導入する。このフレームワークは、より良いパフォーマンスと透明性を実現するために、異種グラフを用いて、ユーザのきめ細かい感情とシステム戦略間の談話ダイナミクスをモデル化する。2つのESCデータセットを用いた実験の結果、EmoDynamiXは、従来の最先端手法よりも大きなマージンをもって優れていることが示された（習熟度が高く、選好バイアスが低い）。また、我々のアプローチは、意思決定のバックトレースを可能にすることで、より優れた透明性を示す。

要約(オリジナル)

Designing emotionally intelligent conversational systems to provide comfort and advice to people experiencing distress is a compelling area of research. Recently, with advancements in large language models (LLMs), end-to-end dialogue agents without explicit strategy prediction steps have become prevalent. However, implicit strategy planning lacks transparency, and recent studies show that LLMs’ inherent preference bias towards certain socio-emotional strategies hinders the delivery of high-quality emotional support. To address this challenge, we propose decoupling strategy prediction from language generation, and introduce a novel dialogue strategy prediction framework, EmoDynamiX, which models the discourse dynamics between user fine-grained emotions and system strategies using a heterogeneous graph for better performance and transparency. Experimental results on two ESC datasets show EmoDynamiX outperforms previous state-of-the-art methods with a significant margin (better proficiency and lower preference bias). Our approach also exhibits better transparency by allowing backtracing of decision making.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL