论文精度Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional

论文精度Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional Support Conversation
全局控制，局部理解:情感支持对话的全局到局部层次图网络
数据集ESConv
作者给了GITHUB链接但是里面代码未发布
2204-12749 （未演示）
翻译如下

全局控制，局部理解:情感支持对话的全局到局部层次图网络
情感支持对话旨在减轻求助者的情绪困扰，是一项富有挑战性的新课题。它要求系统探究求助者情绪困扰的原因，了解他们提供支持性反应的心理意图。然而，现有的研究方法主要关注顺序的语境信息，忽略了与对话背后的整体原因和局部心理意图的层次关系，导致情感支持能力较弱。在本文中，我们提出了一个全局到局部的层次图网络来捕获多源信息(全局原因、局部意图和对话历史)并建模它们之间的层次关系，该网络由一个多源编码器、一个层次图推理器和一个全局引导译码器组成。此外，设计了一种新的训练目标来监测全局原因的语义信息。在情感支持对话数据集ESConv上的实验结果证实，所提出的GLHG在自动和人工评估方面都达到了最先进的性能。代码将在这里发布1。
情感支持对话(ESConv)任务，侧重于有效地为寻求帮助的人提供支持[Burleson et al, 2006;?;Slov´ak等人，2015]，是一项新的具有挑战性的任务[Liu等人，2021]。与情感对话任务不同，在情感对话任务中，对话主体根据给定的情绪产生情绪反应[Zhou et al, 2018]， ESConv任务期望对话系统具有更高级和更复杂的能力，目标是减少求助者的情绪困扰并提供支持性反应。构建这样的情感支持对话系统具有重要意义[Zhou et al, 2020;van der Zwaan等人，2012]，尤其是在社会互动方面(陪伴和鼓励用户)，心理健康支持(安慰沮丧的寻求帮助者并帮助确定问题)，客户服务聊天(安抚愤怒的客户并提供解决方案)等[Liu et al, 2021]。
在情感支持对话中，系统被要求探索求助者情绪问题的原因，并理解他们的心理意图，以提供更多的支持性反应[Rains et al, 2020]。一方面，原因描述了求助者压力问题产生的原因[Liu et al, 2021]，这种压力问题可以全面控制情感支持对话的整个流程。
另一方面，求助者含蓄地表达了心理意图，可以帮助系统局部理解求助者当前回合的心理状态。
然而，上述因素不会被寻求帮助的人明确提及。和现有的方法[Liu等，2021]
主要关注顺序语境信息，忽视整体原因、局部心理意图和对话历史之间的层次关系，导致情感支持能力较弱。图1中的一个示例说明了上述过程。从全局来看，系统需要捕捉全局原因(求助者因为信用卡账单而焦虑，需要一份第二份工作)，以增强整个对话的语义信息。
在局部，系统应响应捕获的意图，以了解求助者在不同回合的心理状态。例如，在第二轮中，寻求帮助的人表示他/她想做更多的工作来赚更多的钱。这需要奉献精神和辛勤工作，但你可以得到更多的钱。因此，1)如何捕捉整体原因和局部心理意图，2)如何建立它们之间的关系是情感支持对话中的两个重要挑战。
为了解决这些问题，我们提出了一种新的全局-局部层次图网络(GLHG)用于情感支持建模。对于第一个问题，提出了一个多源编码器来捕获全局原因和局部心理意图(使用COMET，预训练的生成式常识推理模型[Bosselut等人，2019])。针对第二个问题，设计了一个层次图推理器，对全局原因(对话层面)、局部心理意图(句子层面)和对话历史之间的层次关系进行建模。此外，在全局导向译码器中设计了一种新的训练目标来监控全局原因的语义信息，使全局原因不受局部意图的影响。
•我们从全球到本地的角度提出了一个用于情感支持对话的全球到本地层次图网络(GLHG)。
•为了捕捉全局原因和局部意图，多源编码器利用情境信息，并将心理意图与COMET结合。
•为了模拟不同层次的关系&#x