ESCoT: Towards Interpretable Emotional Support Dialogue Systems

了解情感支持响应的原因对于建立用户和情感支持对话系统之间的联系至关重要。以前的研究主要关注于生成更好的响应，但忽略了可解释性，这对于构建可靠的对话系统非常重要。为了赋予系统更好的可解释性，我们提出了一种情感支持响应生成方案，名为$\textbf{E}$motion-Focused and $\textbf{S}$trategy-Driven $\textbf{C}$hain-$\textbf{o}$f-$\textbf{T}$hought ($\textbf{ESCoT}$)，模仿$\textit{识别}$、$\textit{理解}$和$\textit{调节}$情绪的过程。特别地，我们使用ESCoT构建了一个新的数据集，分为两步：(1) $\textit{对话生成}$，我们首先生成不同的对话情境，然后基于这些情境使用更丰富的情感支持策略来增强对话生成；(2) $\textit{链补充}$，我们专注于为选定的对话补充情感、刺激、评估和策略原因等元素，形成人工验证的链。此外，我们还开发了一个模型，以更好的可解释性生成对话响应。我们还进行了广泛的实验和人类评估，以验证所提出的ESCoT和生成的对话响应的有效性。我们的数据和代码可在$\href{https://github.com/TeigenZhang/ESCoT}{https://github.com/TeigenZhang/ESCoT}$上获取。

提出一种情感支持响应生成方案（ESCoT），旨在增强情感支持对话系统的可解释性。通过构建新的数据集，以标识、理解和调节情绪的过程为模仿对象，提高情感支持响应的多样性和策略性。

ESCoT方案模仿情绪识别、理解和调节的过程，构建新的数据集，提高情感支持响应的多样性和策略性。同时，开发了一种模型来生成具有更好可解释性的对话响应。

论文构建了一个新的数据集，使用ESCoT方案提高了情感支持响应的多样性和策略性。同时，开发了一种模型来生成具有更好可解释性的对话响应。实验结果表明，ESCoT在情感支持任务上的表现优于其他模型。

近期的相关研究包括：1.EmoReact: a multilingual affective reaction dataset. 2.Affect in conversational agents: a study of the impact of emotion and gaze on turn-taking. 3.Affective conversational agent with reinforcement learning.