核心概念
감정 특성과 상태를 통합적으로 모델링하여 대화 맥락의 감정을 정확히 인식하고 공감적인 응답을 생성할 수 있다.
要約
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.
統計
감정 특성과 상태의 불일치를 보이는 단어가 전체 단어의 48.75%를 차지한다.
이는 감정 특성과 상태를 통합적으로 고려해야 함을 시사한다.
引用
"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."