Empathetic Response Generation Using Dialogue Situation and Empathy Analysis in Conditional Transformer

論文翻譯標題: 基於對話情境及同理分析於條件轉換器之同理回應生成
  • 王 怡萱

學生論文: Doctoral Thesis

摘要

近年來人機對話系統是非常熱門的主題,而讓回應更人性化需採取溝通技巧-同理心,富有同理心的對話系統可以使現代社會孤單的人們有可以分享心事的對象,且回應能更貼近對話並使對話得以延續不?燥,因此本論文目標為建立一個開放領域的多輪同理對話系統。 本論文之貢獻為提出對話情境向量,使用在句子表示有優異表現的SBERT進行訓練,藉此可由使用者歷史對話偵測出該場對話的情境向量,並將該特徵加入本研究中的生成模型-條件式Transformer作為其中之一條件。另外,本研究亦提出同理分析模型對於回應句生成模型進行微調,同理分析為根據高層次同理心定義提出兩要素:使用者的情緒正負向變化以及語句資訊量的變化。當系統做出富有同理心之回應時,兩者將有正向的變化,因此將同理分析對於已訓練完成的條件式Transformer進行微調。 本論文使用EmpatheticDialogues作為同理回應生成的訓練語料,並將使用者情緒、對話主題以及對話情境向量作為條件應用於條件式Transformer中,根據實驗結果顯示BLEU分數為7 747,加入同理分析微調後,BLEU分數提升至7 821,兩者相對baseline皆有提升。在人工主觀評測方面,同理心、相關性及流暢度三項評測結果皆優於baseline。因此本論文提出的對話情境向量和同理分析皆有效幫助產生富有同理心之系統回應句。
獎項日期2020
原文English
監督員Chung-Hsien Wu (Supervisor)

引用此

'