本研究提出了CauESC和MultiESC等多种情感支持对话框架，旨在通过识别情绪原因和动态建模提升情感支持的有效性。实验结果表明，这些模型在共情对话生成和情感理解方面表现优异，并为未来研究提供了丰富的数据集和基准结果。

本文综述对话系统研究，主要内容包括：将多模式用户情感信息纳入端到端框架以提升适应性；利用用户响应长度、情感等信号隐式评估回复质量；提出FED细粒度评估指标及数据集；探索用户知识对参与度的影响；分析多个人机对话数据集及反馈学习；构建共情对话数据集与指标；提出情感识别与生成多任务框架；利用MobileCS数据集构建知识引导任务型对话模型；提出情感识别与质量评估注释方法；发布CPED个性化情感对话数据集。