66、基于图的说服性对话语料库：结合说服者与被说服者视角的方法

基于图的说服性对话语料库：结合说服者与被说服者视角的方法

1. 引言

说服在日常交流中无处不在，它是改变或形成他人观点和行为的一种机制。理解说服是构建智能对话系统的关键，比如聊天机器人助手、辅导工具和游戏角色等，这些系统需要能够识别和预测说服策略。

说服是一个复杂的自然语言现象，具有不一致性和非理性的特点，难以进行分类。目前，自然语言处理（NLP）和自然语言生成（NLG）领域对说服的识别和对话系统的改进进行了大量研究，主要集中在以下几个方面：
- 论点挖掘以收集数据。
- 设计注释方案对每个论点进行分类，使说服更加规范。
- 基于这些方案训练模型，以预测说服技巧。

然而，大多数研究仅关注单向建模，即只考虑说服者的回应。实际上，开发一个涉及说服者和被说服者双方视角的分层、双向模型非常必要，同时还需要对双方的回应进行分类。

说服性对话可分为“行动”和“非行动”两类。“行动”对话的成功取决于实际行动，如慈善捐赠；而“非行动”对话，如改变个人观点，则面临诸多挑战，其结果可能是平局、部分成功或完全成功。在这类对话中，说服者需要理解被说服者的观点，以便提出更有针对性的论点，而且成功的定义可能并不明确。

此外，说服性对话通常依赖于特定话题，可用的标注语料库稀缺，这给对话代理的建模带来了困难。为解决这些问题，研究聚焦于设计一个与话题无关的基于图的框架，以编码双方的“非行动”说服策略，并开发一个基于网络的语料库构建工具，以方便数据收集。

2. 相关工作

2.1 说服的认知视角

从认知角度来看，说服者可以通过命令、说服和建议三种行为影响被说服者的行为。例如，命令可