我们提出了一个动态的情感-语义相关模型（ESCM），通过上下文和情感的交互构建动态的情感-语义向量，并引入依赖树来反映情感和语义之间的相关性。ESCM通过动态的相关图卷积网络更准确地理解语义和情感，并生成具有流畅且丰富信息的共情性回应。实验结果显示，对话中情感和语义之间的相关性对共情感知和表达具有重要意义。

该研究提出了一个多维度的共情评估框架，可以测量发言者的意图和听众的共情感知。通过使用序列到序列语言模型进行指导微调的分类器，可以自动测量对话中的共情。实验证明该方法性能优于之前的研究和竞争基准，建议将其作为自动对话共情评估指标。

我们提出了一个动态的情感-语义相关模型（ESCM），通过上下文和情感的交互构建动态的情感-语义向量，并引入依赖树来反映情感和语义之间的相关性。ESCM通过动态的相关图卷积网络更准确地理解语义和情感，并生成具有流畅且丰富信息的共情性回应。实验结果显示，对话中情感和语义之间的相关性对共情感知和表达具有重要意义。