focused empathy

观点采择和语用学的生成
关注情绪原因的同理心反应

我们的 EMNLP 2021 论文的官方 PyTorch 实现和 EmoCause 评估集？
金贤宇、金秉昌和金健熙。换位思考和语用学，以产生针对情感原因的同理心反应。 EMNLP ，2021 [论文]

• TL;DR ：为了在对话中表达更深层次的同理心，我们认为回应应该关注情绪的原因。受人类观点采择的启发，我们提出了一种生成情感估计器（GEE），它可以仅基于句子级情感标签来识别情感原因词，而无需词级注释（即弱监督）。为了评估我们的方法，我们注释了情感原因词并发布了EmoCause评估集。我们还提出了一种基于语用学的方法，用于生成针对上下文中目标单词的响应。

参考

如果您使用此存储库中的材料作为任何已发表研究的一部分，我们要求您引用以下论文：

 @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
}

执行

系统要求

• Python 3.7.9
• 火炬1.6.0
• 支持 CUDA 10.2 的 GPU，内存至少为 24GB
• 详细信息请参见environment.yml

环境设置

我们的代码构建在 ParlAI 框架上。我们建议您创建一个 conda 环境，如下所示

conda env create -f environment.yml

并激活它

conda activate focused-empathy
python -m spacy download en

用于弱监督情绪原因识别的 EmoCause 评估集

EmoCause是来自 EmpatheticDialogues 有效和测试集的情感情境中带注释的情感原因词的数据集。目标是通过仅在没有单词级标签的句子级情感标签上进行训练来识别句子中的情感原因词（即弱监督情感原因识别）。 EmoCause的基础是人类无法通过词级原因标签的监督学习来识别情绪的原因。因此，我们不提供训练集。

您可以[此处]下载EmoCause评估集。
请注意，当您运行下面的实验命令时，将自动下载数据集。

数据统计及结构

	＃情感	标签类型	#标签/话语	＃发声
情感事业	32	单词	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
}

运行实验

运行以下命令时，将自动下载所有对应的模型。
我们还提供手册下载链接：[GEE] [Finetuned Blender]

EmoCause 上的 GEE 弱监督情绪导致单词识别

您可以在 EmoCause 评估集上评估我们提出的生成情绪估计器 (GEE)。

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

在 EmpatheticDialogues 上使用经过微调的 Blender 生成集中的移情反应

您可以评估我们在微调的 Blender 上生成集中同理心响应的方法（不熟悉 Blender？请参见此处！）。

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

添加--alpha 0标志将运行 Blender，无需使用任何语法。您还可以通过添加--distractor-type random来尝试随机干扰器 (Plain S1)。

要同时测量解释和探索分数，请将--empathy-score设置为True 。它将自动下载在 EmpatheticDialogues 上微调的 RoBERTa 模型。有关同理心得分的更多详细信息，请访问原始存储库。

致谢

我们感谢匿名审稿人对这项工作的有益评论。

这项研究得到了三星电子三星研究资助中心的支持，项目编号为 SRFCIT210101。计算资源和人类研究得到韩国国家研究基金会 (NRF) 脑研究计划 (2017M3C7A1047860) 的支持。

有什么问题吗？

请通过 hyunw.kim 联系 Hyunwoo Kim，地址为 vl dot snu dot ac dot kr。

执照

该存储库已获得 MIT 许可。有关详细信息，请参阅许可证文件。