本文提出了一种新颖的基于特征的框架，结合特征方法和神经网络的优势，以评估对话的建设性。该框架定义了一组可解释的语言特征，训练出比传统模型更强的预测规则，并揭示用户行为与主观评估之间的关系。同时，研究了共情评估框架及其与对话满意度的相关性，提出了自动对话共情评估的分类器，并探讨了开放领域对话系统的交互式评估方法。

本文提出了一个多维度的共情评估框架，旨在测量发言者意图与听众感知之间的共情。研究发现，序列到序列语言模型的分类器在自动对话共情评估中表现最佳。同时，探讨了大型语言模型在生成同理心回应方面的改进方法，强调用户情感检测和多模式输入的重要性。