Core Concepts
대화 시스템의 성격 특성을 반영하여 적절한 감정을 생성하는 것이 중요하다. 기존 대화 시스템은 익명의 대화 데이터에서 공감적 방식을 학습하여 감정을 생성했지만, 이는 일관성이 부족하여 사용자 참여도와 서비스 품질을 저하시킬 수 있다. 따라서 대화 시스템의 성격 특성을 반영한 감정 생성 방법을 제안한다.
Abstract
이 연구는 대화 시스템의 성격 특성을 반영한 감정 생성 문제를 다룬다. 기존 연구는 익명의 대화 데이터에서 공감적 방식을 학습하여 감정을 생성했지만, 이는 일관성이 부족하여 사용자 참여도와 서비스 품질을 저하시킬 수 있다. 이에 저자들은 성격 특성을 반영한 감정 생성 방법을 제안한다.
먼저 Personality EmotionLines Dataset (PELD)를 구축하여 일상 대화 데이터에 감정 및 성격 주석을 추가했다. 이를 통해 성격과 감정 요인을 통합하는 과제의 어려움과 대화 맥락에서 다양한 수준의 감정 정보를 추출하는 과제의 어려움을 분석했다.
이후 저자들은 대화 시스템의 성격 특성을 감정 상태 전이 과정에 반영하는 방법을 제안했다. 구체적으로 감정 상태와 성격 특성을 VAD 공간에 매핑하고, 감정 상태 전이 과정에서 성격 특성이 전이 가중치로 작용하도록 모델링했다. 또한 BERT 기반의 주의 메커니즘을 활용하여 대화 맥락에서 다양한 수준의 감정 정보를 추출했다.
실험 결과, 제안 방법이 기존 BERT 모델 대비 매크로 F1 13%, 가중 F1 5% 향상을 보였다. 특히 소수 감정에서 성능 향상이 두드러졌다. 이를 통해 성격 특성과 감정 상태 전이 모델링이 감정 생성 과제에 효과적임을 확인했다.
Stats
대화 시스템의 성격 특성은 부정적 감정 상태 전이에 더 큰 영향을 미친다.
대화 시스템의 성격 특성 중 외향성과 성실성이 감정 상태 전이에 가장 큰 영향을 미친다.