論文の概要: MIME: MIMicking Emotions for Empathetic Response Generation
- arxiv url: http://arxiv.org/abs/2010.01454v1
- Date: Sun, 4 Oct 2020 00:35:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 03:42:20.331436
- Title: MIME: MIMicking Emotions for Empathetic Response Generation
- Title(参考訳): MIME:共感反応生成のためのMIMicking Emotions
- Authors: Navonil Majumder, Pengfei Hong, Shanshan Peng, Jiankun Lu, Deepanway
Ghosal, Alexander Gelbukh, Rada Mihalcea, Soujanya Poria
- Abstract要約: 共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
- 参考スコア(独自算出の注目度): 82.57304533143756
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Current approaches to empathetic response generation view the set of emotions
expressed in the input text as a flat structure, where all the emotions are
treated uniformly. We argue that empathetic responses often mimic the emotion
of the user to a varying degree, depending on its positivity or negativity and
content. We show that the consideration of this polarity-based emotion clusters
and emotional mimicry results in improved empathy and contextual relevance of
the response as compared to the state-of-the-art. Also, we introduce
stochasticity into the emotion mixture that yields emotionally more varied
empathetic responses than the previous work. We demonstrate the importance of
these factors to empathetic response generation using both automatic- and
human-based evaluations. The implementation of MIME is publicly available at
https://github.com/declare-lab/MIME.
- Abstract(参考訳): 共感的応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造とみなし、すべての感情が一様に扱われる。
共感的反応は、その肯定性や否定性や内容に応じて、ユーザの感情を様々な程度まで模倣することが多い。
この極性に基づく感情クラスターと感情的模倣を考慮すれば、その反応の共感と文脈的関連性は、最先端技術と比較して向上する。
また、感情の混合に確率性を導入し、前作よりも感情的に多様な共感反応をもたらす。
自動評価と人的評価の両方を用いた共感的反応生成におけるこれらの因子の重要性を示す。
MIMEの実装はhttps://github.com/declare-lab/MIMEで公開されている。
関連論文リスト
- CTSM: Combining Trait and State Emotions for Empathetic Response Model [2.865464162057812]
共感応答生成は、対話システムに話者の感情を知覚し、それに応じて共感応答を生成する。
我々は,共感反応モデル(CTSM)のためのトラストと状態感情の組み合わせを提案する。
対話における感情を十分に知覚するために、まず特徴と状態の感情の埋め込みを構築し、エンコードする。
感情表現を誘導する感情誘導モジュールにより、感情知覚能力をさらに強化する。
論文 参考訳(メタデータ) (2024-03-22T10:45:13Z) - E-CORE: Emotion Correlation Enhanced Empathetic Dialogue Generation [33.57399405783864]
本稿では,感情相関を改良した共感対話生成フレームワークを提案する。
具体的には、文脈に基づく感情の相互作用を捉えるために、マルチレゾリューション感情グラフを考案した。
そこで我々は,感情相関強化デコーダを提案し,新しい相関認識アグリゲーションとソフト/ハード戦略を提案する。
論文 参考訳(メタデータ) (2023-11-25T12:47:39Z) - Empathetic Response Generation via Emotion Cause Transition Graph [29.418144401849194]
共感的対話は、感情的要因(例えば、感情の状態)と認知的要因(例えば、感情の原因)の両方の知覚を必要とする人間のような行動である。
共感対話における2つのターン間の感情原因の自然な遷移を明示的にモデル化する感情原因遷移グラフを提案する。
このグラフでは、次のターンで生じる感情の概念語を、特殊に設計された概念認識デコーダによって予測し、使用し、共感的な応答を生成する。
論文 参考訳(メタデータ) (2023-02-23T05:51:17Z) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳(メタデータ) (2022-10-21T03:51:18Z) - CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic
Response Generation [59.8935454665427]
共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。
共感的対話生成のためのCASEモデルを提案する。
論文 参考訳(メタデータ) (2022-08-18T14:28:38Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳(メタデータ) (2022-08-11T15:45:58Z) - Exemplars-guided Empathetic Response Generation Controlled by the
Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。
これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文 参考訳(メタデータ) (2021-06-22T14:02:33Z) - Emotion-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-06-06T06:26:15Z)
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。