《论文阅读》Generating Responses with a Specific Emotion in Dialog

本文带来Zhenqiao Song, Xiaoqing Zheng, Lu Liu, Mu Xu and Xuanjing Huang共同创作的文章

简介

希望对话系统能够在对话期间表达特定的情绪，这对提高其可用性和用户满意度具有直接的、可量化的影响。

在对现实生活中的对话数据进行仔细调查后，我们发现用语言表达情感至少有两种方式。一是通过明确地使用强烈的情感词来描述情绪状态；另一个是通过以不同的方式隐含地结合中性词来增加情感体验的强度。

我们提出了一种情感对话系统（EmoDS），它可以为帖子生成具有连贯结构的有意义的回复，同时在统一的框架内明确或隐含地表达所需的情感。实验结果表明，EmoDS 在 BLEU、多样性和情绪表达质量方面的表现优于基线。

---

论文试图解决什么问题？

在对话系统领域面临的难题:

1. 虽然目前的研究集中证明了表达情感可以提高用户满意度，但似乎对于如何使对话系统更具有情感，这仍是一个巨大的挑战。
2. 人工创造的规则迫使模型选择合适的情感，这就造成后期无法将其应用到大型数据集。
3. ECM 倾向于表达具有最多训练样本的情感类别，尽管它被特别要求表达另一个。也就是说在ECM中情感表达倾向于具有最多训练样本的情感类别。

---

论文中提到的解决方案之关键是什么？

面对以上问题，作者提出的方法：

1. 能够以明确或隐含的方式将特定的感觉放入具有连贯结构的单词中。
2. 使用半监督学习方法生成可以正确表示情绪状态的心理感知的情绪词典。

---

这篇论文到底有什么贡献？