TransESC: Smoothing Emotional Support Conversation via Turn-Level State Transition

要約

タイトル：TransESC：ターンレベルの状態遷移による感情的支援会話のスムージング

要約：
– 感情的支援会話（ESC）は、人々の感情的な苦悩を軽減するという目標を持つ新興の困難なタスクです。
– これまでの試みは、各対話ターンでの微細な遷移情報を把握することを無視していたため、発話間のスムーズな遷移を維持することに失敗していました。
– この問題を解決するために、我々は、セマンティック遷移、戦略遷移、感情遷移の3つの観点からターンレベルの状態遷移を考慮することを提案しました。
– 具体的には、トランジット-インタラクトという2段階の方法で状態遷移グラフを構築し、これら3つのターンレベル遷移情報を把握します。
– 最終的に、これらの情報を遷移意識型デコーダに注入して、より魅力的な応答を生成します。
– ベンチマークデータセットでの自動評価と人間による評価の両方で、TransESCがよりスムーズで効果的なサポート応答を生成することが示されています。
– ソースコードは \url{https://github.com/circle-hit/TransESC} で入手可能です。

要約(オリジナル)

Emotion Support Conversation (ESC) is an emerging and challenging task with the goal of reducing the emotional distress of people. Previous attempts fail to maintain smooth transitions between utterances in ESC because they ignore to grasp the fine-grained transition information at each dialogue turn. To solve this problem, we propose to take into account turn-level state \textbf{Trans}itions of \textbf{ESC} (\textbf{TransESC}) from three perspectives, including semantics transition, strategy transition and emotion transition, to drive the conversation in a smooth and natural way. Specifically, we construct the state transition graph with a two-step way, named transit-then-interact, to grasp such three types of turn-level transition information. Finally, they are injected into the transition-aware decoder to generate more engaging responses. Both automatic and human evaluations on the benchmark dataset demonstrate the superiority of TransESC to generate more smooth and effective supportive responses. Our source code is available at \url{https://github.com/circle-hit/TransESC}.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI