[논문 리뷰] Empathetic Conversational Systems: A Review of Current Advances, Gaps, and Opportunities

Aravind Sesagiri Raamkumar, Yinping Yang|arXiv (Cornell University)|2022. 05. 09.

Sentiment Analysis and Opinion Mining참고 문헌 117인용 수 6

한 줄 요약

이 논문은 공감적 대화 시스템을 종합적으로 검토하며, 공감 모델, 개념, 데이터셋, 평가, 최신 기법의 다섯 가지 차원에서 현재의 발전, 격차, 기회를 분석한다. 대부분의 연구가 EMPATHETICDIALOGUES 데이터셋과 텍스트 기반 입력에 의존하며, 사용자 모델링은 제한적이다. 감정 원인, 외부 지식, 정서 일치를 통합할 경우 성능 향상이著しく 이루어지며, 향후 시스템은 다중모달 입력, 실체 수준의 정서 탐지, 정교한 공감 행동을 지원해야 한다는 점을 시사한다.

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.

연구 동기 및 목표

• 공감적 대화 시스템 분야에서 핵심 연구 격차와 향후 기회를 규명하기 위해.
• 공감 모델, 공감 관련 개념, 데이터셋, 평가 전략, 최신 기법의 다섯 가지 차원에서 현재의 연구 추세를 분석하기 위해.
• 응답 생성 향상에 기여하는 감정 원인, 외부 지식, 정서 일치의 역할을 평가하기 위해.
• 감정 탐지, 다중모달 입력 처리, 사용자 프로파일링의 한계를 해결함으로써 향후 연구를 실생활 구현에 기여하기 위해.
• 텍스트 기반 및 특징 추출 중심 모델을 넘어서 공감 AI 시스템을 발전시킬 수 있는 체계적 프레임워크를 제공하기 위해.

제안 방법

• 공감적 대화 시스템 분야의 150篇 이상의 논문을 대상으로 한 체계적 리뷰로, 개념적 공감 모델, 공감 관련 개념, 데이터셋 및 알고리즘 기법, 평가 전략, 최신 기법의 다섯 가지 분석 차원을 활용한다.
• 인지적, 정서적, 행동적 공감 구성 요소를 포함한 기존 공감 모델 및 프레임워크의 분류.
• 데이터셋 분석으로, 현재 연구에서 EMPATHETICDIALOGUES 데이터셋의 지배적 우세성을 강조한다.
• 알고리즘 기법 평가로, 특히 공감 인식 목표에 대해 미세조정된 어텐션 기반 인코더-디코더 모델의 활용을 중심으로 분석한다.
• 감정 원인, 외부 지식 검색, 정서 일치 메커니즘을 통합한 응답 생성 기법의 검토.
• 발견 사항을 종합하여 다중모달 입력 처리, 실체 수준의 정서 탐지, 동적 사용자 모델링과 같은 미충족 영역을 규명한다.

실험 결과

연구 질문

• RQ1 공감적 대화 시스템에서 널리 사용되는 개념적 프레임워크와 공감 모델은 무엇인가?
• RQ2 현재 시스템은 감정 원인, 정서 일치, 외부 지식과 같은 공감 관련 개념을 어떻게 통합하고 있는가?
• RQ3 이 분야의 발전을 이끄는 주요 데이터셋과 알고리즘 기법은 무엇인가?
• RQ4 공감 응답은 어떻게 평가되며, 현재 평가 전략의 한계는 무엇인가?
• RQ5 공감 대화 시스템 분야에서 가장 두드러진 연구 격차와 기회는 무엇인가?

주요 결과

• EMPATHECTICDIALOGUES 데이터셋이 가장 널리 사용되는 자원으로, 텍스트 기반 공감 대화 연구에서 지배적이다.
• 대부분의 연구가 사용자 및 시스템 메시지의 특징 추출에 집중하며, 사용자 모델링이나 장기적 프로파일링에는 최소한의 관심을 기울인다.
• 감정 원인, 외부 지식, 정서 일치를 통합한 모델은 기준 모델 대비 유의미하게 높은 성능을 달성한다.
• 텍스트 기반 모odal이 여전히 지배적이며, 음성, 얼굴 표정, 생리적 신호와 같은 다중모달 입력의 탐색은 제한적이다.
• 신뢰도와 현실성 향상을 위해 실체 수준의 정서 탐지 및 신원 확인 기능이 절실하게 필요하다.
• 실생활 구현을 지원하기 위해 향후 시스템은 기억, 계획, 맥락 인식 추론과 같은 추가 대화 시스템 기능을 통합해야 한다.