[論文レビュー] Empathetic Conversational Systems: A Review of Current Advances, Gaps, and Opportunities

Aravind Sesagiri Raamkumar, Yinping Yang|arXiv (Cornell University)|May 9, 2022

Sentiment Analysis and Opinion Mining参考文献 117被引用数 6

ひとこと要約

本論文は、共感的会話システムについて、5つの次元（共感モデル、概念、データセット、評価、最先端手法）にわたり、現在の進展、ギャップ、機会を分析する包括的レビューである。研究の多くがEMPATHETICDIALOGUESデータセットとテキストベースの入力を使用しており、ユーザーモデリングは限定的である。感情の原因、外部知識、感情の一致を組み込むことで性能が著しく向上することが示され、今後のシステムはマルチモーダル入力、エンティティレベルの感情検出、洗練された共感的行動をサポートすべきであることが示唆される。

ABSTRACT

Empathy is a vital factor that contributes to mutual understanding, and joint problem-solving. In recent years, a growing number of studies have recognized the benefits of empathy and started to incorporate empathy in conversational systems. We refer to this topic as empathetic conversational systems. To identify the critical gaps and future opportunities in this topic, this paper examines this rapidly growing field using five review dimensions: (i) conceptual empathy models and frameworks, (ii) adopted empathy-related concepts, (iii) datasets and algorithmic techniques developed, (iv) evaluation strategies, and (v) state-of-the-art approaches. The findings show that most studies have centered on the use of the EMPATHETICDIALOGUES dataset, and the text-based modality dominates research in this field. Studies mainly focused on extracting features from the messages of the users and the conversational systems, with minimal emphasis on user modeling and profiling. Notably, studies that have incorporated emotion causes, external knowledge, and affect matching in the response generation models, have obtained significantly better results. For implementation in diverse real-world settings, we recommend that future studies should address key gaps in areas of detecting and authenticating emotions at the entity level, handling multimodal inputs, displaying more nuanced empathetic behaviors, and encompassing additional dialogue system features.

研究の動機と目的

• 共感的会話システム分野における重要な研究ギャップと今後の機会を特定すること。
• 共感モデル、共感関連の概念、データセット、評価戦略、最先端のアプローチの5つの次元にわたる現在の研究トレンドを分析すること。
• 感情の原因、外部知識、感情の一致が応答生成の性能向上に果たす役割を評価すること。
• 感情検出、マルチモーダル入力処理、ユーザープロファイリングの制限を解消することで、実世界への展開を促進すること。
• テキストベースで特徴抽出に特化したモデルを超えた、共感的AIシステムを前進させる構造的フレームワークを提供すること。

提案手法

• 5つの分析的次元（概念的共感モデル、共感関連の概念、データセットおよびアルゴリズム的手法、評価戦略、最先端のアプローチ）を用いて、共感的会話システム分野における150件以上の研究を体系的レビューした。
• 認知的、感情的、行動的共感の要素を含む、既存の共感モデルやフレームワークの分類。
• データセットの分析において、現在の研究でEMPATHETICDIALOGUESデータセットが支配的であることに焦点を当てた。
• アルゴリズム的手法の評価において、特に注意機構を備えたシーケンス・ツー・シーケンスモデルや、共感に配慮した目的関数におけるファインチューニングの有効性を検証した。
• 感情の原因、外部知識の取得、感情の一致メカニズムを統合した応答生成手法の検討。
• 未開拓分野として、マルチモーダル入力処理、エンティティレベルの感情検出、動的ユーザーモデリングの可能性を同定するため、研究結果を統合した。

実験結果

リサーチクエスチョン

• RQ1 共感的会話システムで一般的に使われている概念的フレームワークや共感モデルは何か？
• RQ2 現在のシステムは、感情の原因、感情の一致、外部知識といった共感関連の概念をどのように統合しているか？
• RQ3 この分野の進展を支えている主なデータセットとアルゴリズム的手法は何か？
• RQ4 共感的応答はどのように評価されており、現在の評価戦略の限界は何か？
• RQ5 共感対話システム分野における今後の研究における最大のギャップと機会は何か？

主な発見

• EMPATHETICDIALOGUESデータセットが最も広く使用されており、テキストベースの共感対話研究の中心的役割を果たしている。
• 多くの研究がユーザーおよびシステムのメッセージから特徴を抽出することに注力しており、ユーザーモデリングや長期的プロファイリングにはほとんど注目が集まっていない。
• 感情の原因、外部知識、感情の一致を統合したモデルは、ベースライン手法よりも著しく優れた性能を示している。
• テキストベースのモダリティが支配的であり、音声、顔の表情、生理的信号などのマルチモーダル入力の探求は限定的である。
• 信頼性と現実性を高めるために、エンティティレベルの感情検出と認証の実装が急務である。
• 将来的なシステムは、記憶、計画、文脈に配慮した推論といった追加の対話システム機能を統合することで、実世界への展開を可能にするべきである。