감정 지원 대화 생성을 위한 의미적 유사성을 통한 페르소나 추출

대화 시스템을 통한 감정 지원은 오늘날의 세계에서 점점 더 중요해지고 있습니다. 이는 많은 대화 시나리오에서 정신 건강과 사회적 상호작용을 지원할 수 있기 때문입니다. 이전 연구들은 페르소나를 사용하는 것이 공감적이고 지원적인 응답을 생성하는 데 효과적임을 보여주었습니다. 그들은 종종 대화 중에 페르소나를 추론하기보다는 미리 제공된 페르소나에 의존했습니다. 그러나 대화가 시작되기 전에 사용자 페르소나를 얻는 것은 항상 가능한 것은 아닙니다. 이 문제를 해결하기 위해, 우리는 대화로부터 정보성 있고 일관된 페르소나를 자동으로 유추할 수 있는 새로운 프레임워크인 PESS(의미적 유사성을 통한 페르소나 추출)를 제안합니다. 우리는 의미적 유사성 점수를 기반으로 완전성 손실과 일관성 손실을 설계합니다. 완전성 손실은 모델이 누락된 페르소나 정보를 생성하도록 장려하고, 일관성 손실은 모델이 일관된 페르소나와 일관되지 않은 페르소나를 구별하도록 안내합니다. 우리의 실험 결과는 PESS가 추론한 고품질 페르소나 정보가 감정적으로 지원하는 응답을 생성하는 데 효과적임을 보여줍니다.