Conditional Adversarial Learning For Empathetic Dialogue System

論文翻譯標題: 應用條件式對抗學習之同理對話系統
  • 廖 家妤

學生論文: Doctoral Thesis

摘要

隨著人口進入老年化,年長者們的身心理問題受到重視,他們的孤獨感以及失落感需要我們更有耐心地傾聽,並且給予他們具有同理心的回應。為此,本論文根據年長者特定對話情境打造一個具同理心回應之對話系統,透過採取同理心的溝通技巧來確實地表達對於他們情緒以及語意上的了解,在傾聽之外也幫助對方了解自己。過去有學者曾提出過同理對話系統,但是在具有同理回應句的生成上,並未考慮使用者的個人經驗,未檢驗生成回應句的情緒是否符合使用者情緒,且並未參考心理學中的同理技巧來反映使用者的事件及情緒。 因此,本論文在年長者們常見的健康主題上,希望透過在對話中展現同理技巧,來做出更具有同理心的回應句,提供心理上的支持。由於展現同理心的語料缺乏,本論文參考了心理學中同理心相關定義訂定回應規範,收集了年長者特定情境下的對話語料,並將語料依照使用者情緒、使用者個人經驗和系統對話動作進行標記。對輸入的使用者句子,透過長詞優先比對法取得使用者的Slot-Value表,同時透過Slot-Value的取代將使用者句子轉換為樣板句。接著透過BERT模型取得使用者情緒以及預計採取的系統對話動作,並將得到的情緒、系統動作和個人經驗作為回應句生成條件,再透過考量了情緒分類的對抗式學習,生成反映使用者情緒的樣板句。最後,經Slot-Value表填詞以反映使用者事件。 本論文總共收集1740組健康相關對話,採用五次交叉驗證方法作為實驗結果評估。在同理心回應句生成實驗中,實驗結果顯示應用條件式對抗學習的方法在情緒反映上有86 4%的完成度,相較於Transformer模型以及條件式Transformer模型有些微的提升,在事件反映上採用生成樣板填詞的方式則有90 5%的完成度,在BLEU分數也有提升。
獎項日期2019
原文English
監督員Chung-Hsien Wu (Supervisor)

引用此

'