[論文レビュー] Endowing Empathetic Conversational Models with Personas

Peixiang Zhong, Yan Zhu+5 more|arXiv (Cornell University)|Apr 26, 2020

Persona Design and Applications被引用数 5

ひとこと要約

本稿は、パーソナに基づく共感的会話における新しいタスクを提示し、CoBERTと呼ばれるBERTベースの応答選択モデルを提案する。このモデルは、新規の大規模マルチドメインデータセット上で最先端の性能を達成している。実験的に、パーソナが共感的応答を著しく向上させることを示しており、特に共感的データで事前学習されたモデルにおいて顕著である。これにより、人間らしい会話におけるパーソナと共感の直接的な関連性が確立された。

ABSTRACT

Empathetic conversational models have been shown to improve user satisfaction and task outcomes in numerous domains. In Psychology, persona has been shown to be highly correlated to personality, which in turn influences empathy. In addition, our empirical analysis also suggests that persona plays an important role in empathetic conversations. To this end, we propose a new task towards persona-based empathetic conversations and present the first empirical study on the impacts of persona on empathetic responding. Specifically, we first present a novel large-scale multi-domain dataset for persona-based empathetic conversations. We then propose CoBERT, an efficient BERT-based response selection model that obtains the state-of-the-art performance on our dataset. Finally, we conduct extensive experiments to investigate the impacts of persona on empathetic responding. Notably, our results show that persona improves empathetic responding more when CoBERT is trained on empathetic conversations than non-empathetic ones, establishing an empirical link between persona and empathy in human conversations.

研究の動機と目的

• パーソナが共感的会話応答に果たす役割を調査すること。
• パーソナに基づく共感的会話のための大規模でマルチドメインのデータセットの不足を解消すること。
• 共感的対話に特化した最先端の応答選択モデル（CoBERT）を開発すること。
• パーソナが共感的応答生成に与える影響を実証的に検討すること。
• 人間の会話におけるパーソナと共感の間のデータ駆動型の関連性を確立すること。

提案手法

• 著者らは、パーソナに基づく共感的会話に特化した大規模でマルチドメインのデータセットを構築した。
• 彼らは、共感的対話における応答選択を最適化するために微調整されたBERTベースのモデル、CoBERTを提案した。
• CoBERTは、BERTからの文脈的埋め込みを活用し、ユーザー発話と候補応答の両方を符号化する。
• モデルは新規に構築したデータセット上で訓練および評価され、パーソナの影響を隔離するためのアブレーションスタディが実施された。
• 共感的データと非共感的データで学習した場合のモデル性能を比較し、訓練データの分布がパーソナの有効性に与える影響を評価した。
• 自動評価と人的評価を用いて、共感的応答の質およびパーソナの貢献度を測定した。

実験結果

リサーチクエスチョン

• RQ1 パーソナを統合することで、会話モデルにおける共感的応答の質はどのように変化するか？
• RQ2 パーソナの有効性が、共感的応答生成において訓練データの分布に依存するか？
• RQ3 BERTベースのモデルが、パーソナに基づく共感的応答選択で最先端の性能を達成できるか？
• RQ4 共感的対話において、パーソナ特徴と非パーソナ特徴の相対的貢献は何か？
• RQ5 人間らしい会話において、パーソナと共感の間に測定可能な実証的関連性があるか？

主な発見

• パーソナは、特に共感的会話データで事前学習されたモデルにおいて、共感的応答の質を顕著に向上させる。
• CoBERTは、提案されたデータセット上で最先端の性能を達成し、以前のモデルよりも応答選択で優れている。
• パーソナが共感に与えるポジティブな影響は、非共感的データではなく共感的対話で事前学習されたモデルにおいてより顕著である。
• 実証的分析により、パーソナが共感的応答の形成に重要な役割を果たしていることが確認され、性格と共感に関する心理学的知見とも整合している。
• 結果として、人間の会話におけるパーソナと共感の間の直接的かつデータ駆動型の関連性が確立され、パーソナが共感的モデリングにおいて重要な役割を果たすことが裏付けられた。