Knowledge-enhanced Memory Model for Emotional Support Conversation

要約

精神障害の蔓延は重大な問題となっており、メンタルヘルスサポートの効果的な補足として、感情サポート会話への注目が高まっています。
既存の手法は説得力のある結果を達成していますが、1) 感情の変動性、2) 反応の実用性、3) 複雑な戦略モデリングという 3 つの課題に依然として直面しています。
これらの課題に対処するために、我々は感情支援会話のための新しい知識強化記憶モデル（MODERN）を提案する。
具体的には、まず、一貫したユーザー状態モデリングのために会話のさまざまな期間の動的な感情の変化を認識するための知識豊富な対話コンテキストエンコーディングを考案し、実際の応答生成のために ConceptNet からコンテキスト関連の概念を選択します。
その後、新しいメモリ強化戦略モデリング モジュールを実装して、戦略カテゴリの背後にある意味パターンをモデル化します。
広く使用されている大規模データセットに対する広範な実験により、最先端のベースラインに対するモデルの優位性が検証されています。

要約(オリジナル)

The prevalence of mental disorders has become a significant issue, leading to the increased focus on Emotional Support Conversation as an effective supplement for mental health support. Existing methods have achieved compelling results, however, they still face three challenges: 1) variability of emotions, 2) practicality of the response, and 3) intricate strategy modeling. To address these challenges, we propose a novel knowledge-enhanced Memory mODEl for emotional suppoRt coNversation (MODERN). Specifically, we first devise a knowledge-enriched dialogue context encoding to perceive the dynamic emotion change of different periods of the conversation for coherent user state modeling and select context-related concepts from ConceptNet for practical response generation. Thereafter, we implement a novel memory-enhanced strategy modeling module to model the semantic patterns behind the strategy categories. Extensive experiments on a widely used large-scale dataset verify the superiority of our model over cutting-edge baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google