Reasoning before Responding: Integrating Commonsense-based Causality Explanation for Empathetic Response Generation

要約

共感的な応答を生成するための最近のアプローチでは、ユーザーの経験や感情をよりよく理解するために、感情の原因に関する常識的な知識や推論を組み込もうとしています。
ただし、これらのアプローチは主に、システムの観点を無視し、ユーザーの観点からコンテキストの因果関係を理解することに重点を置いています。
本稿では、ユーザーの視点（ユーザーの欲求と反応）とシステムの視点（システムの意図と反応）の両方を考慮した、多様な共感的応答生成のための常識に基づく因果関係説明アプローチを提案します。
私たちは、コンテキスト内の学習と常識的な知識を統合することによって、システムの観点を推論する ChatGPT の能力を強化します。
次に、常識に基づいた因果関係の説明を ChatGPT と T5 ベースのモデルの両方に統合します。
実験による評価は、私たちの方法が自動評価と人間による評価の両方で他の同等の方法よりも優れていることを示しています。

要約(オリジナル)

Recent approaches to empathetic response generation try to incorporate commonsense knowledge or reasoning about the causes of emotions to better understand the user’s experiences and feelings. However, these approaches mainly focus on understanding the causalities of context from the user’s perspective, ignoring the system’s perspective. In this paper, we propose a commonsense-based causality explanation approach for diverse empathetic response generation that considers both the user’s perspective (user’s desires and reactions) and the system’s perspective (system’s intentions and reactions). We enhance ChatGPT’s ability to reason for the system’s perspective by integrating in-context learning with commonsense knowledge. Then, we integrate the commonsense-based causality explanation with both ChatGPT and a T5-based model. Experimental evaluations demonstrate that our method outperforms other comparable methods on both automatic and human evaluations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google