focused empathy

Pengambilan Perspektif dan Pragmatik untuk Menghasilkan
Respons Empati Berfokus pada Penyebab Emosi

Implementasi resmi PyTorch dan kumpulan evaluasi EmoCause dari makalah EMNLP 2021 kami?
Hyunwoo Kim, Byeongchang Kim, dan Gunhee Kim. Pengambilan Perspektif dan Pragmatik untuk Membangkitkan Respons Empati yang Berfokus pada Penyebab Emosi. EMNLP , 2021 [Makalah]

• TL;DR : Untuk mengekspresikan empati yang lebih dalam dalam dialog, kami berpendapat bahwa tanggapan harus fokus pada penyebab emosi. Terinspirasi oleh pengambilan perspektif manusia, kami mengusulkan penaksir emosi generatif (GEE) yang dapat mengenali kata-kata penyebab emosi hanya berdasarkan label emosi tingkat kalimat tanpa anotasi tingkat kata ( yaitu, pengawasan yang lemah). Untuk mengevaluasi pendekatan kami, kami memberi anotasi pada kata-kata penyebab emosi dan merilis kumpulan evaluasi EmoCause . Kami juga mengusulkan metode berbasis pragmatik untuk menghasilkan tanggapan yang terfokus pada kata-kata yang ditargetkan dari konteksnya.

Referensi

Jika Anda menggunakan materi dalam repositori ini sebagai bagian dari penelitian yang dipublikasikan, kami meminta Anda untuk mengutip makalah berikut:

 @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
}

Pelaksanaan

Persyaratan Sistem

• Python 3.7.9
• Pytorch 1.6.0
• CUDA 10.2 mendukung GPU dengan memori minimal 24GB
• Lihat environment.yml untuk detailnya

Pengaturan lingkungan

Kode kami dibangun di atas kerangka ParlAI. Kami menyarankan Anda membuat lingkungan conda sebagai berikut

conda env create -f environment.yml

dan aktifkan dengan

conda activate focused-empathy
python -m spacy download en

Evaluasi EmoCause ditetapkan untuk pengenalan penyebab emosi dengan pengawasan yang lemah

EmoCause adalah kumpulan data kata-kata penyebab emosi yang dianotasi dalam situasi emosional dari set uji dan valid EmpatheticDialogues. Tujuannya adalah untuk mengenali kata-kata penyebab emosi dalam kalimat dengan melatih hanya pada label emosi tingkat kalimat tanpa label tingkat kata ( yaitu, pengenalan penyebab emosi yang diawasi dengan lemah ). EmoCause didasarkan pada fakta bahwa manusia tidak mengenali penyebab emosi dengan pembelajaran yang diawasi pada label penyebab tingkat kata. Oleh karena itu, kami tidak menyediakan set pelatihan.

Anda dapat mengunduh set eval EmoCause [di sini].
Perlu diperhatikan, kumpulan data akan diunduh secara otomatis saat Anda menjalankan perintah eksperimen di bawah.

Statistik dan struktur data

	#Emosi	Jenis label	#Label/Ucapan	#Ucapan
Penyebab Emo	32	Kata	2.3	4.6K

 {
  "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
}

Menjalankan Eksperimen

Semua model terkait akan diunduh secara otomatis saat menjalankan perintah berikut.
Kami juga menyediakan link download manual: [GEE] [Finetuned Blender]

Emosi yang diawasi dengan lemah menyebabkan pengenalan kata dengan GEE di EmoCause

Anda dapat mengevaluasi usulan kami Pengukur Emosi Generatif (GEE) di set evaluasi EmoCause.

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

Pembuatan respons empatik yang terfokus dengan Blender on EmpatheticDialogues yang disempurnakan

Anda dapat mengevaluasi pendekatan kami dalam menghasilkan tanggapan empati yang terfokus pada Blender yang telah disempurnakan (Tidak familiar dengan Blender? Lihat di sini!).

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

Menambahkan flag --alpha 0 akan menjalankan Blender tanpa pragmatis. Anda juga dapat mencoba distraktor acak (Biasa S1) dengan menambahkan --distractor-type random .

Untuk mengukur skor Interpretasi dan Eksplorasi juga, atur --empathy-score ke True . Ini akan secara otomatis mengunduh model RoBERTa yang disempurnakan di EmpatheticDialogues. Untuk detail lebih lanjut tentang skor empati, kunjungi repo aslinya.

Ucapan Terima Kasih

Kami berterima kasih kepada pengulas anonim atas komentar bermanfaat mereka pada karya ini.

Penelitian ini didukung oleh Samsung Research Funding Center Samsung Electronics dengan nomor proyek SRFCIT210101. Sumber daya komputasi dan studi manusia didukung oleh Brain Research Program oleh National Research Foundation of Korea (NRF) (2017M3C7A1047860).

Ada pertanyaan?

Silakan hubungi Hyunwoo Kim di hyunw.kim di vl dot snu dot ac dot kr.

Lisensi

Repositori ini berlisensi MIT. Lihat file LISENSI untuk detailnya.