摘要
情感对话作为情感计算的一个重要方面，是自然语言处理领域中备受关注的研究方向之一。它旨在通过分析对话参与者的语言交流，理解其所表达的情感以及态度等内容。在当今的数字化社会中，大量的对话数据产生于各种平台，例如社交媒体、聊天应用以及在线论坛等，这些数据中蕴含着丰富的情感信息，对其进行分析可以帮助我们深入了解用户对特定事件、产品或服务的看法和态度，从而对舆情进行监测、企业进行营销决策等提供参考依据。 对话情感识别是情感对话领域的一个热点课题。目前，现有对话情感识别研究主要依赖情感惯性，认为说话者在整个对话中保持特定情感。它们通常忽视情感转变的影响，导致情感识别性能不佳。与此同时，目前的研究没有充分考虑用户的心理特质如性格，而心理学研究显示，性格是一个人长期形成的心理特征和行为方式的总和，决定了其在不同情境下的思维、情感和行为表现，会影响情感表达以及情感转变。情感支持对话是情感对话领域的另一项子任务，其旨在通过采用适当的支持策略和回应来缓解寻求帮助者的情感困扰。然而，现有研究主要依赖于对话历史进行策略选择，却缺乏对所选策略有效性的深入反思和考量。为了优化策略的选择，有必要对已采用策略的效果进行反思和思考，并反哺进一步的策略选择。 针对目前对话情感识别和情感支持对话中存在的问题，本文主要贡献如下： （1）基于性格的对话情感转变识别：由于对话中用户情感的多变性，本文通过深入挖掘性格与情感之间的联系，构建了一种对话情感转变识别模型，在维持整体准确率的同时提升在情感转变时的准确率。该模型通过利用注意力机制深入分析对话历史，辨别用户主导性格维度，以检测用户情感趋势，并通过门控网络识别用户情感。在三个真实数据集上实验证明了提出的模型通过性格与情感之间的联系，有效优化了情感转变识别，显著提高了准确率。 （2）基于情感反馈和元认知的情感支持对话：由于策略选择的多样性影响，本文引入用户情感反馈（包括情感转变和情感惯性），并借鉴人类的元认知思想深度反思情感支持对话中的支持策略和回复，并调节后续的策略选择和回复，为用户提供更加个性化的情感支持。该模型通过提示学习的方法，将用户的情感反馈作为重要信息，以此引导模型在后续对话中选择更为优越的支持策略。同时，本文挖掘了大型语言模型的知识优势，以此丰富基于元认知反思内容，进一步优化策略选择来提升情感支持效果。在ESConv数据集上大量实验证明，该模型可以充分利用用户情感反馈信息进行元认知反思，并调节后续情感支持策略选择和支持回复以此提升情感支持效果。 （3）元认知情感支持对话系统：基于以上研究，本文设计并实现了一个情感支持对话系统。系统可以准确捕捉用户情感转变和情感惯性，并能参照元认知思想，对采用的支持策略进行反思，以此更好地理解用户的情感需求，并为其提供更加全面和个性化的情感支持。
NETL