Fugu-MT 論文翻訳(概要): Modeling Dyadic Conversations for Personality Inference

論文の概要: Modeling Dyadic Conversations for Personality Inference

arxiv url: http://arxiv.org/abs/2009.12496v1
Date: Sat, 26 Sep 2020 01:25:42 GMT
ステータス: 処理完了
システム内更新日: 2022-10-14 09:02:39.810651
Title: Modeling Dyadic Conversations for Personality Inference
Title（参考訳）: パーソナリティ推論のためのdyadic会話のモデル化
Authors: Qiang Liu
Abstract要約: 本稿では,個人間の対話に基づく非教師付き個人会話埋め込み(PCE)学習のための拡張GRUモデルを提案する。映画スクリプトにおける文字間の会話から収集した映画スクリプトデータセットについて実験を行った。
参考スコア（独自算出の注目度）: 8.19277339277905
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Nowadays, automatical personality inference is drawing extensive attention from both academia and industry. Conventional methods are mainly based on user generated contents, e.g., profiles, likes, and texts of an individual, on social media, which are actually not very reliable. In contrast, dyadic conversations between individuals can not only capture how one expresses oneself, but also reflect how one reacts to different situations. Rich contextual information in dyadic conversation can explain an individual's response during his or her conversation. In this paper, we propose a novel augmented Gated Recurrent Unit (GRU) model for learning unsupervised Personal Conversational Embeddings (PCE) based on dyadic conversations between individuals. We adjust the formulation of each layer of a conventional GRU with sequence to sequence learning and personal information of both sides of the conversation. Based on the learned PCE, we can infer the personality of each individual. We conduct experiments on the Movie Script dataset, which is collected from conversations between characters in movie scripts. We find that modeling dyadic conversations between individuals can significantly improve personality inference accuracy. Experimental results illustrate the successful performance of our proposed method.
Abstract（参考訳）: 今日では、自動パーソナリティ推論は学術と産業の両方から大きな注目を集めている。従来の手法は主にソーシャルメディア上のユーザー生成コンテンツ(例えば、個人のプロフィール、お気に入り、テキストなど)に基づいており、実際はあまり信頼できない。対照的に、個人間のディアディックな会話は、自己の表現の仕方だけでなく、異なる状況にどう反応するかを反映することができる。ディヤド会話における豊かな文脈情報は、会話中の個人の反応を説明することができる。本稿では,個人間の対話に基づく教師なし会話埋め込み(pce)を学習するための拡張ゲートリカレントユニット(gru)モデルを提案する。従来のgrgの各レイヤの定式化を、シーケンス学習と会話の両側の個人情報とで調整する。学習したpceに基づいて、各個人の性格を推測することができる。映画脚本の登場人物間の会話から収集した映画脚本データセットについて実験を行う。個人間の対話をモデル化することで、人格推定精度を大幅に向上させることができる。実験の結果,提案手法の有効性が示された。

関連論文リスト

The Effects of Embodiment and Personality Expression on Learning in LLM-based Educational Agents [0.7499722271664147]
本研究は,人格表現と体格が,教育的会話エージェントにおける人格認識と学習にどのように影響するかを考察する。教育アプリケーションに適したLLMベースの会話支援を統合することで、既存のパーソナリティ駆動型会話エージェントフレームワークを拡張した。 1)対話を通して人格を伝達する対話のみのモデル,(2)対話のみで人格を表現するアニメーション人間モデル,(3)対話と身体と顔のアニメーションを通して人格を表現するアニメーション人間モデル,の3つのモデルを評価する。
論文参考訳（メタデータ） (2024-06-24T09:38:26Z)
PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文参考訳（メタデータ） (2023-10-31T08:23:33Z)
Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文参考訳（メタデータ） (2023-10-03T16:02:36Z)
MPCHAT: Towards Multimodal Persona-Grounded Conversation [54.800425322314105]
我々はペルソナに基づく対話をマルチモーダル領域に拡張し、2つの主要な貢献をする。まず,MPCHATという対話データセットを提案する。第2に,マルチモーダル・ペルソナを組み込んだ多モーダル・ペルソナの対話タスクが,統計的に有意な性能向上をもたらすことを実証的に示す。
論文参考訳（メタデータ） (2023-05-27T06:46:42Z)
Enhancing Personalized Dialogue Generation with Contrastive Latent Variables: Combining Sparse and Dense Persona [16.90863217077699]
既存のパーソナライズされた対話エージェントは、スパースまたは密集したペルソナ記述と対話履歴という3つのリソースからペルソナプロファイルをモデル化する。 3つのリソースの利点を組み合わせて、より豊かで正確なペルソナを得る。中国語と英語のデータセットに対する実験結果は、パーソナライゼーションにおけるモデルの優位性を示している。
論文参考訳（メタデータ） (2023-05-19T07:24:27Z)
DialogueNeRF: Towards Realistic Avatar Face-to-Face Conversation Video Generation [54.84137342837465]
対面会話は毎日の会話の大部分を占める。既存の手法のほとんどは、一人称音声音声生成に重点を置いている。ニューラルレイディアンスフィールド(NeRF)に基づく新しい統合フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-15T14:16:49Z)
Learning to Predict Persona Information forDialogue Personalization without Explicit Persona Description [10.17868476063421]
対話エージェントをパーソナライズするために,対話履歴に基づいてペルソナ情報を予測する方法を提案する。 PersonaChatデータセットの実験結果から,提案手法は生成した応答の一貫性を向上させることができることがわかった。トレーニングされたペルソナ予測モデルは、他のデータセットにうまく転送することができ、より関連するレスポンスを生成するのに役立つ。
論文参考訳（メタデータ） (2021-11-30T03:19:24Z)
DLVGen: A Dual Latent Variable Approach to Personalized Dialogue Generation [28.721411816698563]
本稿では,パーソナライズされた対話を生成するDual Latent Variable Generator (DLVGen)を提案する。以前の研究とは異なり、DLVGenは潜在的な応答に対する潜伏分布と、エージェントの潜在的なペルソナに対する潜伏分布をモデル化している。実験の結果,DLVGenはエージェントのペルソナを正確に組み込んだ多様な応答を生成できることがわかった。
論文参考訳（メタデータ） (2021-11-22T17:21:21Z)
Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for Open-domain Dialogue Generation [11.72386584395626]
エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。既存の対話モデルは、対人関係の会話情報を対人情報の流れとして捉えた個人知識に組み込むことが、その後の会話の質を高めるという事実を無視しながら、対人関係の個人知識を一方的にダイアログに組み込むことに注意を払っている。会話の一貫性を向上し、2つの折り畳みから繰り返しを緩和することを目的とした,会話適応型多視点対応対応型応答生成モデルを提案する。
論文参考訳（メタデータ） (2021-07-16T08:59:06Z)
Dialogue History Matters! Personalized Response Selectionin Multi-turn Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。 1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文参考訳（メタデータ） (2021-03-17T09:42:11Z)
Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文参考訳（メタデータ） (2020-08-31T17:44:28Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。