[논문 리뷰] Persuasion for Good: Towards a Personalized Persuasive Dialogue System for Social Good

Xuewei Wang, Weiyan Shi외 5명|arXiv (Cornell University)|2019. 06. 16.

Media Influence and Health참고 문헌 40인용 수 29

한 줄 요약

이 논문은 기부 요청과 심리적 및 인구통계적 주석을 포함한 1,017건의 인간-인간 기부 설득 대화를 수집하여 사회적 선순위를 위한 개인화된 설득 대화 시스템을 제안한다. 문장 및 맥락 임베딩을 사용하는 분류기를 제안하여 10가지 설득 전략을 예측하며, 성격 및 도덕 기초에 따라 전략의 효과성이 크게 달라짐을 발견하여 AI 에이전트에서 표적화되고 윤리적인 설득을 가능하게 한다.

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.

연구 동기 및 목표

• 사용자의 심리적 및 인구통계적 프로필을 통합하여 설득 효과를 향상시키는 개인화된 설득 대화 시스템을 개발하는 것.
• 실제 인centive(기부 요청)를 포함한 대규모 고품질의 인간-인간 대화 데이터셋을 수집하여 설득 역학을 연구하는 것.
• 대화 내 설득 전략을 주석 처리하고 맥락 및 문장 수준의 특징을 사용하여 전략 예측을 위한 베이스라인 분류기를 구축하는 것.
• 성격, 도덕 기초, 의사결정 스타일과 같은 개인적 차이가 특정 설득 전략의 효과성에 어떻게 영향을 미치는지 조사하는 것.
• 기부 기부와 같은 공익 행동을 촉진하는 윤리적이고 사용자 적응형 대화 에이전트의 기반을 마련하는 것.

제안 방법

• 기부를 장려하기 위해 인centivized된 온라인 설득 작업을 설계하여 총 1,017건의 인간-인간 대화를 확보하였다.
• 10개 카테고리로 구성된 설득 전략 주석 체계를 개발하고, 일부 대화에 대해 전략 분류를 위한 주석을 수행하였다.
• 문장 수준의 특징, 문장 임베딩, 대화 맥락 임베딩의 세 가지 유형을 사용한 순환-CNN 모델을 구축하여 설득 전략을 예측하였다.
• 참가자들로부터 빅파이브 성격, 도덕 기초, 가치 체계, 의사결정 스타일 등의 인구통계적 및 심리적 데이터를 수집하여 개인화 효과를 분석하였다.
• 상호작용 효과 분석을 수행하여 다양한 사용자 프로파일 간에 설득 전략의 효능이 어떻게 달라지는지 확인하였다.
• 통계 모델링(예: 상호작용 항목이 포함된 로지스틱 회귀)을 적용하여 성격 및 도덕적 특성이 특정 전략이 기부 행동에 미치는 영향을 어떻게 조절하는지 평가하였다.

실험 결과

연구 질문

• RQ1 인간-인간 대화에서 기부 기부를 이끌어내는 데 가장 효과적인 설득 전략은 무엇인가?
• RQ2 성격 특성(예: 협조성, 열린 마음)이나 도덕 기초(예: 보살핌, 권위)와 같은 개인적 차이가 특정 설득 전략의 효과성에 어떻게 영향을 미치는가?
• RQ3 의사결정 스타일이나 가치 체계와 같은 심리적 프로파일은 설득 대화에 대한 기부 행동에 어느 정도의 영향을 미치는가?
• RQ4 맥락 및 문장 수준의 특징을 사용하여 계산 모델이 대화 내 설득 전략을 정확하게 예측할 수 있는가?
• RQ5 실제 사회적 선순위 응용 분야에 개인화된 설득 에이전트를 배포할 때 필요한 윤리적 보호 조치는 무엇인가?

주요 결과

• 순환-CNN 분류기는 문장 임베딩, 맥락 임베딩, 문장 수준의 특징의 조합을 사용하여 설득 전략 예측에서 뛰어난 성능을 보였다.
• 감정적 호소는 외향성 특성이 높은 개인들에서 기부 확률을 유의미하게 높였다(p < 0.05), 이는 성격과 전략 간의 긍정적 상호작용 효과를 시사한다.
• 개인 관련 질문은 정서적 불안정성 특성이 높은 개인들에서 기부 가능성 확률을 높였지만, 권위를 중시하는 도덕 기초를 지닌 사람들에게는 부정적인 영향을 미쳤다(p < 0.05), 이는 전략-성격 불일치를 보여준다.
• 빅파이브 성격 특성, 도덕 기초 점수, 의사결정 스타일에 따라 설득 전략의 효과성이 크게 다름을 발견하여 개인화의 필요성을 뒷받침한다.
• 개방성이 높은 참가자들은 출처 관련 질문 전략에 더 민감하게 반응하는 경향을 보였으며, 이는 사용자 프로파일에 따라 전략 선택을 맞춤화할 수 있음을 시사한다.
• 데이터셋과 코드는 https://gitlab.com/ucdavisnlp/persuasionforgood 에 공개되어 향후 윤리적이고 개인화된 대화 시스템 연구를 가능하게 한다.