[论文解读] Generating Emotionally Aligned Responses in Dialogues using Affect Control Theory

Nabiha Asghar, Ivan Kobyzev+3 more|arXiv (Cornell University)|Mar 7, 2020

Topic Modeling参考文献 55被引用 8

一句话总结

本文提出将情感控制理论（ACT）整合到神经对话系统中，通过将话语映射到EPA（评价-力量-活动）向量并利用ACT预测情感上恰当的回应，从而生成情感一致的回复。该方法在显式建模情感身份（如朋友或敌人）时，相较于基线模型显著提升了情感相关性。

ABSTRACT

State-of-the-art neural dialogue systems excel at syntactic and semantic modelling of language, but often have a hard time establishing emotional alignment with the human interactant during a conversation. In this work, we bring Affect Control Theory (ACT), a socio-mathematical model of emotions for human-human interactions, to the neural dialogue generation setting. ACT makes predictions about how humans respond to emotional stimuli in social situations. Due to this property, ACT and its derivative probabilistic models have been successfully deployed in several applications of Human-Computer Interaction, including empathetic tutoring systems, assistive healthcare devices and two-person social dilemma games. We investigate how ACT can be used to develop affect-aware neural conversational agents, which produce emotionally aligned responses to prompts and take into consideration the affective identities of the interactants.

研究动机与目标

• 为解决当前最先进的神经对话系统中情感不一致的问题，这些系统往往无法建模连续的情感状态或用户特定的情感身份。
• 通过利用ACT的连续三维情感空间（EPA），克服现有情感对话模型中离散情绪类别带来的局限。
• 使对话智能体能够生成不仅语义相关，而且对输入话语和互动者的情感身份均情感恰当的回应。
• 通过可学习的S2EPA和EPA2S组件，弥合神经序列模型与ACT的社会数学情感框架之间的表征鸿沟。
• 评估ACT引导的回应生成是否在情感恰当性和上下文相关性方面优于标准seq2seq和CVAE基线模型。

提出的方法

• 提出一种神经编码器-解码器流程，通过两个可学习组件（S2EPA和EPA2S）将ACT整合到对话生成中。
• 使用S2EPA模型将输入话语映射为表示其情感内容（评价、力量、活动）的三维EPA向量。
• 将输入的EPA向量与发言者和回应者的感情身份一并输入ACT，以预测最小化情感冲突的回应EPA向量。
• 利用EPA2S模型从预测的回应EPA向量生成自然语言回应，同时基于输入提示和预测的EPA向量进行条件生成。
• 在电影对话数据集上训练S2EPA和EPA2S模型，使用身份对（如朋友-朋友、敌人-敌人）来条件化情感回应生成。
• EPA2S组件采用序列到序列（Seq2Seq）和条件变分自编码器（CVAE）架构，输入同时包含上下文和预测的EPA向量。

实验结果

研究问题

• RQ1 情感控制理论（ACT）能否有效整合到神经对话生成中以提升情感一致性？
• RQ2 建模情感身份（如朋友与敌人）对生成回应的情感恰当性有何影响？
• RQ3 S2EPA和EPA2S组件在生成既上下文相关又情感恰当的回应方面，其贡献程度如何？
• RQ4 与标准的Seq2Seq和CVAE基线相比，ACT增强模型在情感一致性与回应质量方面的表现如何？
• RQ5 在自然语言话语与ACT的EPA空间之间映射的关键局限是什么，以及这些局限如何影响模型性能？

主要发现

• ACT增强模型生成的回应比基线的Seq2Seq和CVAE模型更符合输入内容及互动者的情感身份。
• 在朋友-朋友场景中，CVAE和Seq2Seq模型的情感一致性均有所提升，其中CVAE在6段中有5段生成了情感恰当的回应，而Seq2Seq为6段中的4段。
• 在敌人-敌人场景中，ACT预测出非友好的行为（如“咆哮”、“讽刺”），且两种模型的回应均更符合情感语境，CVAE在6段中有5段生成了恰当回应。
• S2EPA模型在将话语映射到EPA向量方面表现合理，但预测不准确会负面影响下游回应生成。
• EPA2S模型对ACT身份的选择更敏感，且由于训练数据有限，可能在为同一输入生成多样化情感回应时出现过拟合。
• 研究发现，缺乏大规模、特定身份的句子-EPA词典以及EPA标注的主观性是限制性能的关键挑战。