تحسين توليد الاستجابة التعاطفية من خلال التعرف على سبب العاطفة في المحادثات

التركيز النهج الحالية لتوليد الاستجابة المتعاطفة على تعلم نموذج للتنبؤ بميزة العاطفة وتوليد استجابة بناء على هذه الملصق وحققت نتائج واعدة. ومع ذلك، فإن السبب العاطفي، وهو عامل أساسي للاستجابة التعاطفية، يتم تجاهله. السبب العاطفة هو حافز للعواطف البشرية. وإذ تدرك سبب العاطفة مفيدة لفهم المشاعر الإنسانية بشكل أفضل حتى تولد ردود أكثر تعاطفا. تحقيقا لهذه الغاية، نقترح إطارا جديدا يحسن توليد الاستجابة المتعاطفة من خلال التعرف على سبب العاطفة في المحادثات. على وجه التحديد، تم تصميم العاطفة المعقرة للتنبؤ بتسمية مشاعر السياق وتسلسل من الملصقات الموجهة نحو السبب، والتي تشير إلى ما إذا كانت الكلمة مرتبطة بالعاطفة. ثم نركض كلا من آليات الاهتمام الثابت والناعم لدمج السبب في جيل الاستجابة. تظهر التجارب أن دمج العاطفة تسبب المعلومات تعمل على تحسين أداء النموذج على كل من التعرف على العاطفة وتوليد الاستجابة.

Current approaches to empathetic response generation focus on learning a model to predict an emotion label and generate a response based on this label and have achieved promising results. However, the emotion cause, an essential factor for empathetic responding, is ignored. The emotion cause is a stimulus for human emotions. Recognizing the emotion cause is helpful to better understand human emotions so as to generate more empathetic responses. To this end, we propose a novel framework that improves empathetic response generation by recognizing emotion cause in conversations. Specifically, an emotion reasoner is designed to predict a context emotion label and a sequence of emotion cause-oriented labels, which indicate whether the word is related to the emotion cause. Then we devise both hard and soft gated attention mechanisms to incorporate the emotion cause into response generation. Experiments show that incorporating emotion cause information improves the performance of the model on both emotion recognition and response generation.