[论文解读] 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 29

一句话总结

本文通过收集1,017组带有心理与人口统计学标注的人类-人类捐赠劝说对话，提出了一种面向社会公益的个性化劝说对话系统。该系统采用句子和上下文嵌入的分类器来预测10种劝说策略，并发现策略有效性在不同人格特质和道德基础下存在显著差异，从而实现AI代理的针对性、伦理化劝说。

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.

研究动机与目标

• 开发一种个性化劝说对话系统，通过整合用户心理与人口统计学特征，提升劝说效果。
• 收集大规模、高质量的人类-人类对话数据集，涉及真实激励（捐赠请求），以研究劝说动态。
• 对对话中的劝说策略进行标注，并基于上下文与句子级特征构建基线分类器以预测策略。
• 探究个体差异（如人格特质、道德基础、决策风格）如何影响特定劝说策略的有效性。
• 为促进亲社会行为（如慈善捐赠）的伦理化、用户自适应对话代理奠定基础。

提出的方法

• 设计了一项在线劝说任务，参与者因捐赠慈善机构而获得激励，共收集1,017组人类-人类对话。
• 开发了10类劝说策略标注方案，并对部分对话进行了策略分类标注。
• 构建了一种基于循环神经网络与卷积神经网络的模型（Recurrent-CNN），融合三类特征：句子级特征、句子嵌入和对话上下文嵌入，以预测劝说策略。
• 从参与者处收集了人口统计学与心理数据（大五人格、道德基础、价值观、决策风格），以分析个性化影响。
• 开展交互效应分析，以确定不同用户画像下劝说策略的有效性差异。
• 应用统计建模（如含交互项的逻辑回归）评估人格与道德特质如何调节特定策略对捐赠行为的影响。

实验结果

研究问题

• RQ1 在人类-人类对话中，哪些劝说策略最能有效激发慈善捐赠？
• RQ2 个体差异（如人格特质，例如宜人性、开放性；道德基础，例如关怀、权威）如何调节特定劝说策略的有效性？
• RQ3 心理画像（如决策风格或价值体系）在多大程度上影响个体对劝说对话的捐赠行为响应？
• RQ4 能否通过上下文与句子级特征，构建计算模型准确预测对话中的劝说策略？
• RQ5 在现实世界的社会公益应用中，部署个性化劝说代理时，需要哪些伦理保障措施？

主要发现

• Recurrent-CNN分类器在结合句子嵌入、上下文嵌入与句子级特征的基础上，展现出强劲的劝说策略预测性能。
• 情感诉求显著提高了外向型个体的捐赠概率（p < 0.05），表明人格与策略之间存在正向交互效应。
• 与个人相关的询问显著提高了神经质型个体的捐赠可能性（p < 0.05），但对道德基础中推崇权威的个体则产生负面影响（p < 0.05），显示出策略与人格的错配。
• 研究发现，劝说策略的有效性在大五人格特质、道德基础得分及决策风格方面存在显著异质性，支持个性化策略的必要性。
• 开放性得分较高的参与者对与信息源相关的询问策略反应更强烈，表明应根据用户画像选择定制化策略。
• 数据集与代码已公开发布于 https://gitlab.com/ucdavisnlp/persuasionforgood，为未来伦理化、个性化对话系统的研究提供支持。