Core Concepts
감정 특성과 상태를 통합적으로 모델링하여 대화 맥락의 감정을 정확히 인식하고 공감적인 응답을 생성할 수 있다.
Abstract
이 논문은 대화 시스템의 공감적 응답 생성을 위해 감정 특성(trait)과 상태(state)를 통합적으로 모델링하는 방법을 제안한다.
감정 특성은 정적이고 맥락 독립적인 반면, 감정 상태는 동적이고 맥락 의존적이다. 기존 연구는 이 두 가지 감정을 별도로 다루어 감정 인식의 완전성과 복잡성이 부족했다.
제안 모델 CTSM은 감정 특성과 상태 임베딩을 구축하고, 감정 지도 모듈을 통해 복잡한 감정 표현을 향상시킨다. 또한 교차 대조 학습 디코더를 통해 공감적 표현 능력을 높인다.
실험 결과, CTSM은 감정 정확도와 다양성 지표에서 우수한 성능을 보였다. 추가 분석을 통해 감정 특성과 상태의 중요성을 확인했다.
Stats
감정 특성과 상태의 불일치를 보이는 단어가 전체 단어의 48.75%를 차지한다.
이는 감정 특성과 상태를 통합적으로 고려해야 함을 시사한다.
Quotes
"Psychological research demonstrates that emotion, as an essential factor in empathy, encompasses trait emotions, which are static and context-independent, and state emotions, which are dynamic and context-dependent."
"Neglecting the emotional reaction (Elliott et al., 2018) stemming from the interaction between trait and state emotions can engender inaccurate emotion comprehension and categorization, generating inappropriate empathetic responses."