[論文レビュー] Persuasion for Good: Towards a Personalized Persuasive Dialogue System for Social Good

Xuewei Wang, Weiyan Shi+5 more|arXiv (Cornell University)|Jun 16, 2019

Media Influence and Health参考文献 40被引用数 29

ひとこと要約

本稿では、心理的および人口統計的付箋が付加された1,017件のヒューマン・ヒューマン寄付説得対話データを収集することで、社会的善悪を目的としたパーソナライズドな説得対話システムを紹介する。文と文脈の埋め込みを用いた分類器を提案し、10の説得戦略を予測したところ、戦略の有効性は性格や道徳的基盤によって顕著に異なることが判明し、AIエージェントによる的確で倫理的な説得が可能になる。

ABSTRACT

Developing intelligent persuasive conversational agents to change people's opinions and actions for social good is the frontier in advancing the ethical development of automated dialogue systems. To do so, the first step is to understand the intricate organization of strategic disclosures and appeals employed in human persuasion conversations. We designed an online persuasion task where one participant was asked to persuade the other to donate to a specific charity. We collected a large dataset with 1,017 dialogues and annotated emerging persuasion strategies from a subset. Based on the annotation, we built a baseline classifier with context information and sentence-level features to predict the 10 persuasion strategies used in the corpus. Furthermore, to develop an understanding of personalized persuasion processes, we analyzed the relationships between individuals' demographic and psychological backgrounds including personality, morality, value systems, and their willingness for donation. Then, we analyzed which types of persuasion strategies led to a greater amount of donation depending on the individuals' personal backgrounds. This work lays the ground for developing a personalized persuasive dialogue system.

研究の動機と目的

• ユーザーの心理的および人口統計的プロファイルを統合することで、説得効果を高めるパーソナライズドな説得対話システムの開発。
• 実際のインcentive（寄付要請）を伴う大規模かつ高品質なヒューマン・ヒューマン対話データセットの収集を通じて、説得のダイナミクスを研究。
• 対話内の説得戦略を注釈化し、文脈的および文レベルの特徴を用いた戦略予測のベースライン分類器を構築。
• 性格、道徳的基盤、意思決定スタイルなどの個人差が、特定の説得戦略の有効性にどのように影響するかを調査。
• 慈善的寄付などの対社会的行動を促進する、倫理的でユーザーに適応する会話エージェントの基盤を構築。

提案手法

• 参加者が寄付を促されるオンラインの説得タスクを設計し、1,017件のヒューマン・ヒューマン対話を得た。
• 10カテゴリーの説得戦略注釈スキームを開発し、対話のサブセットを戦略分類のための注釈付けを行った。
• 文レベルの特徴、文の埋め込み、対話文脈の埋め込みの3つの特徴タイプを組み合わせた再帰的CNNモデルを構築し、説得戦略を予測。
• 参加者から大五人格、道徳的基盤、価値観、意思決定スタイルなどの人口統計的および心理的データを収集し、パーソナライズド効果を分析。
• 相互作用効果分析を実施し、異なるユーザープロファイルにおける説得戦略の有効性の違いを特定。
• 統計モデリング（例：交互作用項を含むロジスティック回帰）を用いて、性格および道徳的特徴が特定の戦略の寄付行動への影響にどのように調節するかを評価。

実験結果

リサーチクエスチョン

• RQ1 ヒューマン・トゥ・ヒューマン対話において、どの説得戦略が慈善的寄付を引き出すのに最も効果的か？
• RQ2 性格的特徴（例：協調性、開放性）や道徳的基盤（例：思いやり、権威）などの個人差が、特定の説得戦略の有効性にどのように影響するか？
• RQ3 意思決定スタイルや価値体系といった心理的プロファイルは、説得対話への反応としての寄付行動にどの程度影響を及えるか？
• RQ4 文脈的および文レベルの特徴を用いた計算モデルは、対話における説得戦略を正確に予測できるか？
• RQ5 現実の社会的善悪の応用において、パーソナライズドな説得エージェントを展開するにあたり、どのような倫理的ガードレールが必要か？

主な発見

• 再帰的CNN分類器は、文の埋め込み、文脈の埋め込み、文レベルの特徴を組み合わせることで、説得戦略の予測において優れた性能を示した。
• 感情に訴える戦略は、外向的傾向の高い個人において寄付確率を有意に高めた（p < 0.05）、すなわち性格と戦略の間で正の相互作用効果が確認された。
• 個人に関する尋ねは、神経質性の高い個人において寄付の可能性を有意に高めた（p < 0.05）が、道徳的基盤で権威を重視する人々には否定的効果を示した（p < 0.05）、戦略と性格の不一致が示された。
• 大五人格の特徴、道徳的基盤のスコア、意思決定スタイルに基づいて、説得戦略の有効性に顕著な異質性が認められ、パーソナライズド戦略の必要性が裏付けられた。
• 開放性のスコアが高かった参加者は、説得の出所に関する尋ね戦略に対してより反応を示したため、ユーザーのプロファイルに基づいた戦略選択のカスタマイズが有効であることが示唆された。
• 本研究のデータセットとコードは https://gitlab.com/ucdavisnlp/persuasionforgood で公開されており、今後の倫理的でパーソナライズドな対話システム研究を促進する。