تنزيل focused empathy - تنزيل كود مصدر focused empathy

focused empathy

كود الذكاء الاصطناعي

1.0.0

تنزيل

أخذ المنظور والبراغماتية للتوليد
الاستجابات التعاطفية تركز على الأسباب العاطفية

شكل

تنفيذ PyTorch الرسمي ومجموعة تقييم EmoCause لورقة EMNLP 2021 الخاصة بنا؟
هيون وو كيم، بيونج تشانج كيم، وغونهي كيم. أخذ المنظور والبراغماتية لتوليد استجابات متعاطفة تركز على أسباب العاطفة. EMNLP , 2021 [ورقة]

TL;DR : من أجل التعبير عن تعاطف أعمق في الحوارات، فإننا نرى أن الاستجابات يجب أن تركز على سبب العواطف. مستوحاة من منظور البشر، نقترح مُقدِّرًا للعاطفة التوليدية (GEE) يمكنه التعرف على الكلمات المسببة للعاطفة استنادًا فقط إلى تسميات المشاعر على مستوى الجملة دون التعليقات التوضيحية على مستوى الكلمة ( أي الإشراف الضعيف). لتقييم نهجنا، نقوم بتعليق الكلمات المسببة للعاطفة وإصدار مجموعة تقييم EmoCause . نقترح أيضًا طريقة قائمة على البراغماتية لتوليد استجابات تركز على الكلمات المستهدفة من السياق.

مرجع

إذا كنت تستخدم المواد الموجودة في هذا المستودع كجزء من أي بحث منشور، فنطلب منك الاستشهاد بالمقالة التالية:

 @inproceedings { Kim:2021:empathy ,
  title = { Perspective-taking and Pragmatics for Generating Empathetic Responses Focused on Emotion Causes } ,
  author = { Kim, Hyunwoo and Kim, Byeongchang and Kim, Gunhee } ,
  booktitle = { EMNLP } ,
  year = 2021
}

تطبيق

متطلبات النظام

بايثون 3.7.9
بيتورتش 1.6.0
يدعم CUDA 10.2 وحدة معالجة الرسومات بذاكرة لا تقل عن 24 جيجابايت
راجع Environment.yml للحصول على التفاصيل

إعداد البيئة

تم بناء الكود الخاص بنا على إطار عمل ParlAI. نوصيك بإنشاء بيئة كوندا على النحو التالي

conda env create -f environment.yml

وتفعيله مع

conda activate focused-empathy
python -m spacy download en

تم تعيين تقييم EmoCause للتعرف على سبب العاطفة الخاضعة للإشراف الضعيف

EmoCause عبارة عن مجموعة بيانات من المشاعر المشروحة التي تسبب الكلمات في المواقف العاطفية من مجموعة EmpatheticDialogues الصالحة والاختبارية. الهدف هو التعرف على الكلمات المسببة للعاطفة في الجمل من خلال التدريب فقط على تسميات المشاعر على مستوى الجملة دون تسميات على مستوى الكلمة ( على سبيل المثال، العاطفة التي تسبب التعرف على المشاعر ضعيفة الإشراف ). يعتمد EmoCause على حقيقة أن البشر لا يتعرفون على سبب المشاعر من خلال التعلم الخاضع للإشراف على تسميات السبب على مستوى الكلمة. وبالتالي، نحن لا نقدم مجموعة التدريب.

شكل

يمكنك تنزيل مجموعة تقييم EmoCause [هنا].
لاحظ أنه سيتم تنزيل مجموعة البيانات تلقائيًا عند تشغيل أمر التجربة أدناه.

إحصاءات البيانات وهيكلها

	#العاطفة	نوع التسمية	#التسمية/الكلام	#الكلام
ايموسبب	32	كلمة	2.3	4.6 ك

 {
  "original_situation": the original situations in the EmpatheticDialogues,
  "tokenized_situation": tokenized situation utterances using spacy,
  "emotion": emotion labels,
  "conv_id": id for each corresponding conversation in EmpatheticDialogues,
  "annotation": list of tuples: (emotion cause word, index),
  "labels": list of strings containing the emotion cause words
}

تشغيل التجارب

سيتم تنزيل جميع النماذج المقابلة تلقائيًا عند تشغيل الأوامر التالية.
نوفر أيضًا روابط التنزيل اليدوية: [GEE] [Finetuned Blender]

تتسبب العاطفة الخاضعة للإشراف الضعيف في التعرف على الكلمات باستخدام GEE على EmoCause

يمكنك تقييم مُقدِّر المشاعر التوليدية (GEE) المقترح على مجموعة تقييم EmoCause.

python eval_emocause.py --model agents.gee_agent:GeeCauseInferenceAgent --fp16 False

توليد استجابة تعاطفية مركزة باستخدام Blender المضبوط على EmpatheticDialogues

يمكنك تقييم النهج الذي نتبعه في توليد استجابات متعاطفة مركزة باستخدام Blender المضبوط (لست على دراية بـ Blender؟ انظر هنا!).

python eval_empatheticdialogues.py --model agents.empathetic_gee_blender:EmpatheticBlenderAgent --model_file data/models/finetuned_blender90m/model --fp16 False --empathy-score False

ستؤدي إضافة علامة --alpha 0 إلى تشغيل Blender دون استخدام الواقعية. يمكنك أيضًا تجربة أداة التشتيت العشوائي (Plain S1) عن طريق إضافة --distractor-type random .

لقياس درجات التفسير والاستكشاف أيضًا، قم بتعيين --empathy-score إلى True . سيتم تلقائيًا تنزيل نماذج RoBERTa المضبوطة على EmpatheticDialogues. لمزيد من التفاصيل حول درجات التعاطف، قم بزيارة الريبو الأصلي.

شكر وتقدير

نشكر المراجعين المجهولين على تعليقاتهم المفيدة على هذا العمل.

تم دعم هذا البحث من قبل مركز تمويل أبحاث سامسونج التابع لشركة سامسونج للإلكترونيات تحت رقم المشروع SRFCIT210101. يتم دعم الموارد الحاسوبية والدراسة البشرية من خلال برنامج أبحاث الدماغ التابع لمؤسسة البحوث الوطنية الكورية (NRF) (2017M3C7A1047860).