[論文レビュー] Endowing Empathetic Dialogue Systems with Personas.

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

Digital Mental Health Interventions参考文献 44被引用数 4

ひとこと要約

本稿は、共感的対話システムに個人情報を組み込むための新しいタスクを提案し、大規模なマルチドメインデータセットと、SOTA性能を達成するBERTベースの応答選択モデルCoBERTを提示する。実証的に、個人情報が共感的応答を著しく向上させることを示し、特に共感的対話を事前学習し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個人情報と共感の直接的な関連性が確立される。

ABSTRACT

Empathetic dialogue systems 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 dialogues. To this end, we propose a new task to endow empathetic dialogue systems with personas 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 empathetic dialogues with personas. 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 dialogues than non-empathetic ones, establishing an empirical link between persona and empathy in human dialogues.

研究の動機と目的

• 心理的知見に基づき、個人情報が共感に与える役割を調査すること。
• 個人情報を活用する共感的対話用の大規模かつマルチドメインのデータセットの不足を解消すること。
• 共感的対話における応答選択を効率的に行う、BERTベースのモデル（CoBERT）の開発。
• 個人情報が共感的応答生成および選択に与える影響を実証的に検討すること。
• 人間らしい対話システムにおける個人情報と共感のデータ駆動的関連性を確立すること。

提案手法

• 著者らは、ユーザーの個人情報を付加した共感的対話を含む、新規の大規模かつマルチドメインのデータセットを構築した。
• 共感的対話における応答選択を最適化した、ファインチューニングされたBERTベースのモデルCoBERTを提案した。
• CoBERTは、感情的および文脈的整合性に基づく応答選択を促進するために、個人情報の埋め込みを入力表現に統合している。
• モデルは新規データセット上で訓練および評価され、個人情報の影響を分離するためのアブレーションスタディが実施された。
• 共感的対話データと非共感的対話データで学習したモデルの性能を比較し、学習データの種別が個人情報の効果に与える影響を評価した。
• このフレームワークにより、個人情報が応答の関連性、共感性、感情的正確性に与える影響を制御的に分析できるようになった。

実験結果

リサーチクエスチョン

• RQ1 個人情報の組み込みが、対話システムにおける共感的応答の質にどのように影響するか？
• RQ2 共感的対話を学習することで、個人情報の応答生成へのポジティブな影響が強化されるか？
• RQ3 マルチドメインの共感的対話シナリオにおいて、個人情報が応答選択をどの程度改善するか？
• RQ4 CoBERTの性能は、既存のモデルと比較してどうか？
• RQ5 人間らしい会話において、個人情報と共感の実証的関係は何か？

主な発見

• 個人情報の統合により、共感的応答の質が著しく向上し、特に非共感的データではなく共感的データで学習したモデルにおいて顕著である。
• CoBERTは、提示されたデータセットでSOTA性能を達成し、個人情報統合付きのBERTアーキテクチャの有効性を示した。
• 個人情報の統合により、自動評価および人的評価の両方で、文脈的および感情的に適切な応答が得られるようになった。
• 共感的対話データで学習したモデルは、個人情報と共感的応答の質の間の正の相関が、非共感的データで学習したモデルよりも強く現れた。
• 本研究は、人間らしい対話システムにおける個人情報と共感の直接的な実証的関連性を確立し、共感的AIシステムにおける個人情報の心理学的関連性を裏付けた。