动态策略提示在情感支持对话中的推理作用

《IEEE Transactions on Multimedia》：Dynamic Strategy Prompt Reasoning for Emotional Support Conversation

提出动态策略推理模型DSR，通过稀疏上下文关系推理捕获用户情感状态动态变化，结合分层常识推理增强意图推断，最终优化情感支持回复生成，实验证明其效果优于现有方法。

　　

摘要：

情感支持对话（ESC）系统旨在通过使用各种回复策略来引导对话，从而减轻用户的情感困扰。为了为ESC系统开发有效的回复策略，必须考虑用户在对话过程中的情感状态动态变化。然而，现有的基于策略的ESC系统难以捕捉这些变化，因为它们忽略了用户细微意图的推断。这一疏忽成为了一个重大障碍，限制了模型获取相关策略信息的能力，进而影响了其生成情感支持性回复的能力。为了解决这一局限，我们提出了一种新颖的动态策略提示推理模型（DSR），该模型利用稀疏的上下文关系推断来获取适应性强的回复策略表示，以指导回复生成过程。具体而言，我们首先采用不同的方法进行回合级别的常识推理，以提取辅助知识，从而增强对用户意图的理解。然后，我们设计了一个上下文关系推断模块，动态整合相互依赖的对话信息，捕捉用户的具体意图并生成有效的策略提示。最后，我们利用这些策略提示来生成更相关、更具支持性的回复。通过在基准数据集上进行的广泛实验验证了DSR模型的优越性能，其表现优于该领域的最新竞争方法。

引言

研究表明，情感对于构建更具吸引力的对话系统至关重要。为了促进基于情感的对话研究，人们投入了大量精力来生成包含预设情感的回复[1]、[2]、[3]，以及在回复中表达同理心[4]、[5]、[6]。