@inproceedings{ma-etal-2025-ren,
    title = "人机价值观驱动的对话情绪生成模型",
    author = "Ma, Zhiqiang  and
      Ye, Haoran  and
      Liu, Jia  and
      Lv, Kai",
    editor = "Sun, Maosong  and
      Duan, Peiyong  and
      Liu, Zhiyuan  and
      Xu, Ruifeng  and
      Sun, Weiwei",
    booktitle = "Proceedings of the 24th {C}hina National Conference on Computational Linguistics ({CCL} 2025)",
    month = aug,
    year = "2025",
    address = "Jinan, China",
    publisher = "Chinese Information Processing Society of China",
    url = "https://preview.aclanthology.org/ingest-ccl/2025.ccl-1.47/",
    pages = "627--639",
    abstract = "``对话系统情绪生成任务旨在生成待回复话语的情绪类别。针对现有情绪生成模型忽视了用户与模型价值观一致性对情绪生成的调节与引导作用,导致对话系统生成情绪与用户期望情绪之间存在偏差,降低了对话系统与用户之间的情绪共鸣。本文提出一种人机价值观驱动的对话情绪生成模型-HVDEGM,通过多阶段的门控机制动态引入用户价值观特征来引导情绪生成。该模型基于价值观一致性原理,设计了三个单元。首先情境修正注意力单元通过两次注意力机制增强了情绪与语义特征信息,其次价值观融合单元通过多阶段融合门控动态平衡了用户价值观特征与对话系统历史价值观特征的权重,最后反应调节单元通过双向注意力与交叉注意力机制,强化了情绪、语义、价值观特征之间的互补关联。模型在新构建的价值观对话数据集ValueCon上进行实验,实验结果表明,HVDEGM相比DialogueRNN、DialogueGCN等基线模型在Precision、Recall、F1及情绪共鸣度等指标分别提升了2.9{\%}、2.5{\%}、0.9{\%}和4.1{\%},证明了所提出方法的有效性。''"
}