基于条件变分自动编码器的共情回复生成.pdfVIP

摘要

摘要

共情，也称为同理心，是日常人际对话中一种理想的品质，它可以表达对他

人情境和感受的理解和给予恰当的回应。调查研究表明，能与人类产生共情的对

话系统可以提高用户的满意度和体验感。因此，生成共情回复吸引了大量的关注。

然而，目前的一些方法过分强调回复的上下文相关性，忽略了回复的共情性。有

些方法则只是利用讲话者的情绪信息来辅助生成共情回复，而忽视了对话中讲话

者和倾听者的情绪和意图并不总是固定的这一特点。换句话说，这些方法没有将

对话的多因素序列信息对生成共情回复的影响考虑在内。

为了解决上述问题，本文设计了基于条件变分自编码器的共情回复生成框架

（EmpCVAE），该框架能够生成具有多样性的共情回复。本文的主要贡献概括如下：

1.深入探讨了对话情绪和意图理解的复杂性。例如，在对话中，参与者的情绪

并非始终保持稳定，而可能会受到对方言语的影响和感染。若仅仅假定对话

过程中情绪和意图是稳定的，可能会导致回复的共情性较差。因此，本文提

出了使用序列化的情绪和意图标签，配合对话的上下文历史，以对共情对话

任务进行改进。

2.由于多标签共情数据集的空白，利用人工标注的部分EmpatheticDialogues数

据集对大语言模型进行微调，得到了一个高准确率的情绪和意图识别模型。

利用该情绪和意图识别模型，对EmpatheticDialogues数据集进行了情绪和意

图标签的标注。经过该步骤，将EmpatheticDialogues数据集中的对话级别情

绪标签升级为句子级别的情绪和意图标签，从而丰富了EmpatheticDialogues

数据集的信息。这一改进不仅提升了数据集的精细度，也为后续的情绪和意

图分析研究提供了数据基础。

3.使用具有多标签标注的EmpatheticDialogues数据集，本文设计了一个全新的

框架—EmpCVAE，该框架是首个将对话文本、句子级情绪和意图序列数据

整合，以产生共情回复的方法。具体而言，将情绪、意图和对话文本序列编

码为一个多维正态分布，实现了生成内容的多样性和共情性的提升。大量的

实验结果进一步证实了该模型的有效性。

关键词：对话系统，共情回复，预训练语言模型，条件变分自编码器

I

ABSTRACT

ABSTRACT

Empathyisadesirablequalityineverydayinterpersonalconversationsthatallowsfor

expressingunderstandingofandrespondingappropriatelytothesituationsandfeelingsof

others.Surveyresearchshowsthatdialoguesystemsthatcanempathizewithhumanscan

improveusersatisfactionandexperience.Therefore,generatingempathicresponseshas

attractedalotofattention.However,somecurrentmethodsoveremphasizethecontextual

relevanceofresponsesandignoretheempathyofresponses.Somemethodsonlyusethe

speaker’semotionalinformationtoassistingeneratingempathicresponses,whileignoring

thefeaturethattheemotionsandintentionsofthespeakerandthelistenerarenotalways

fixedintheconversation.Inotherwords,thesemethodsdo