focused empathy

생성을 위한 관점 수용과 화용론
감정 원인에 초점을 맞춘 공감적 반응

EMNLP 2021 논문의 공식 PyTorch 구현 및 EmoCause 평가 세트?
김현우, 김병창, 김건희. 감정 원인에 초점을 맞춘 공감적 반응 생성을 위한 관점 수용 및 실용론. EMNLP , 2021 [논문]

• 요약 : 대화에서 더 깊은 공감을 표현하기 위해서는 반응이 감정의 원인에 초점을 맞춰야 한다고 주장합니다. 인간의 관점 수용 에서 영감을 받아, 단어 수준 주석( 즉, 약한 감독) 없이 문장 수준 감정 레이블만을 기반으로 감정 원인 단어를 인식할 수 있는 생성 감정 추정기(GEE)를 제안합니다. 우리의 접근 방식을 평가하기 위해 감정 원인 단어에 주석을 달고 EmoCause 평가 세트를 출시합니다. 우리는 또한 문맥에서 타겟 단어에 초점을 맞춘 응답을 생성하기 위한 화용론 기반 방법을 제안합니다.

참조

출판된 연구의 일부로 이 저장소의 자료를 사용하는 경우 다음 논문을 인용해 주시기 바랍니다.

 @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
}

구현

시스템 요구사항

• 파이썬 3.7.9
• 파이토치 1.6.0
• 최소 24GB 메모리를 갖춘 CUDA 10.2 지원 GPU
• 자세한 내용은 Environment.yml을 참조하세요.

환경설정

우리 코드는 ParlAI 프레임워크를 기반으로 구축되었습니다. 다음과 같이 conda 환경을 생성하는 것이 좋습니다.

conda env create -f environment.yml

그리고 그것을 활성화

conda activate focused-empathy
python -m spacy download en

약하게 감독된 감정 원인 인식을 위한 EmoCause 평가 세트

EmoCause 는 EmpatheticDialogues 유효 및 테스트 세트의 감정 상황에서 주석이 달린 감정 원인 단어의 데이터세트입니다. 목표는 단어 수준 레이블 없이 문장 수준 감정 레이블만 학습하여 문장 내 감정 원인 단어를 인식하는 것입니다( 즉, 약한 지도 감정 원인 인식 ). EmoCause 는 단어 수준의 원인 레이블에 대한 지도 학습을 통해 인간이 감정의 원인을 인식하지 못한다는 사실을 기반으로 합니다. 따라서 우리는 훈련 세트를 제공하지 않습니다.

EmoCause 평가 세트는 [여기]에서 다운로드할 수 있습니다.
아래 실험 명령어를 실행하면 데이터세트가 자동으로 다운로드됩니다.

데이터 통계 및 구조

	#감정	라벨 유형	#레이블/발언	#말
Emo원인	32	단어	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
}

실험 실행

다음 명령을 실행하면 해당 모델이 모두 자동으로 다운로드됩니다.
또한 수동 다운로드 링크도 제공합니다: [GEE] [Finetuned Blender]

약하게 감독된 감정은 EmoCause의 GEE를 통해 단어 인식을 유발합니다.

EmoCause 평가 세트에서 제안된 GEE(Generative Emotion Estimator)를 평가할 수 있습니다.

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

EmpatheticDialogues에서 미세 조정된 블렌더를 사용하여 집중된 공감 응답 생성

미세 조정된 블렌더 위에 집중된 공감 반응을 생성하는 우리의 접근 방식을 평가할 수 있습니다(블렌더에 익숙하지 않으신가요? 여기를 참조하세요!).

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

--alpha 0 플래그를 추가하면 화용론 없이 블렌더가 실행됩니다. --distractor-type random 추가하여 무작위 선택 항목(일반 S1)을 사용해 볼 수도 있습니다.

해석 및 탐색 점수도 측정하려면 --empathy-score True 로 설정하세요. EmpatheticDialogues에서 미세 조정된 RoBERTa 모델을 자동으로 다운로드합니다. 공감 점수에 대한 자세한 내용을 보려면 원본 저장소를 방문하세요.

감사의 말

본 연구에 유익한 논평을 해주신 익명의 심사위원님들께 감사드립니다.

본 연구는 프로젝트 번호 SRFCIT210101로 삼성전자 삼성연구지원센터의 지원을 받았습니다. 컴퓨팅 자원 및 인체 연구는 한국연구재단(NRF)의 뇌 연구 프로그램(2017M3C7A1047860)에서 지원됩니다.

질문이 있으신가요?

vl dot snu dot ac dot kr hyw.kim 김현우에게 연락주세요.

특허

이 저장소는 MIT 라이센스를 받았습니다. 자세한 내용은 LICENSE 파일을 참조하세요.