論文の概要: A General Model of Conversational Dynamics and an Example Application in
Serious Illness Communication
- arxiv url: http://arxiv.org/abs/2010.05164v1
- Date: Sun, 11 Oct 2020 04:33:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-08 13:24:46.115811
- Title: A General Model of Conversational Dynamics and an Example Application in
Serious Illness Communication
- Title（参考訳）: 会話力学の一般モデルと重篤な病気コミュニケーションへの応用例
- Authors: Laurence A. Clarfeld, Robert Gramling, Donna M. Rizzo, Margaret J.
Eppstein
- Abstract要約: 本稿では,会話における情報フローのパターンを研究するための新しい手法であるCODYM(Conversational Dynamics Model)分析について述べる。
CODYMは、話者ターンの長さの逐次的依存関係をキャプチャするマルコフモデルである。
重要な第1の応用として, 緩和医療医と重病患者との会話の書き起こしモデルについて紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Conversation has been a primary means for the exchange of information since
ancient times. Understanding patterns of information flow in conversations is a
critical step in assessing and improving communication quality. In this paper,
we describe COnversational DYnamics Model (CODYM) analysis, a novel approach
for studying patterns of information flow in conversations. CODYMs are Markov
Models that capture sequential dependencies in the lengths of speaker turns.
The proposed method is automated and scalable, and preserves the privacy of the
conversational participants. The primary function of CODYM analysis is to
quantify and visualize patterns of information flow, concisely summarized over
sequential turns from one or more conversations. Our approach is general and
complements existing methods, providing a new tool for use in the analysis of
any type of conversation. As an important first application, we demonstrate the
model on transcribed conversations between palliative care clinicians and
seriously ill patients. These conversations are dynamic and complex, taking
place amidst heavy emotions, and include difficult topics such as end-of-life
preferences and patient values. We perform a versatile set of CODYM analyses
that (a) establish the validity of the model by confirming known patterns of
conversational turn-taking and word usage, (b) identify normative patterns of
information flow in serious illness conversations, and (c) show how these
patterns vary across narrative time and differ under expressions of anger, fear
and sadness. Potential applications of CODYMs range from assessment and
training of effective healthcare communication to comparing conversational
dynamics across language and culture, with the prospect of identifying
universal similarities and unique "fingerprints" of information flow.
- Abstract（参考訳）: 会話は古来から情報交換の主要な手段であった。
会話における情報フローのパターンを理解することは、コミュニケーション品質を評価し改善するための重要なステップである。
本稿では,会話中の情報フローのパターンを研究するための新しい手法である会話動力学モデル(codym)分析について述べる。
CODYMは、話者ターンの長さの逐次的依存関係をキャプチャするマルコフモデルである。
提案手法は自動化され,スケーラブルであり,会話参加者のプライバシーを保っている。
codym分析の主な機能は、情報フローのパターンを定量化し視覚化することであり、1つ以上の会話からの順番に簡潔に要約される。
我々のアプローチは一般的なものであり、既存の手法を補完し、あらゆる種類の会話の分析に使える新しいツールを提供する。
重要な第1の応用として, 緩和医療医と重病患者の会話の転写モデルを示す。
これらの会話は動的で複雑で、激しい感情の中で行われ、終末期の嗜好や患者の価値といった難しいトピックを含んでいる。
我々はCODYM分析を多目的に行う。
(a)会話のターンテイクや単語使用の既知のパターンを確認することにより、モデルの妥当性を確立する。
b)重度の病的会話における情報の流れの規範的パターンを特定し、
(c)これらのパターンが物語の時間によってどう変化するかを示し、怒り、恐怖、悲しみの表現で異なる。
CODYMの潜在的な応用は、効果的な医療コミュニケーションの評価と訓練から、言語と文化における会話のダイナミクスの比較まで多岐にわたる。
関連論文リスト
- Automated Speaking Assessment of Conversation Tests with Novel Graph-based Modeling on Spoken Response Coherence [11.217656140423207]
ASACは、1つ以上の候補者と対話する環境でL2話者の全体的な発話能力を評価することを目的としている。
本稿では,広い応答間相互作用とニュアンス付き意味情報の両方を適切に組み込んだ階層グラフモデルを提案する。
NICT-JLEベンチマークデータセットの大規模な実験結果から,提案手法が予測精度を大幅に向上する可能性が示唆された。
論文 参考訳（メタデータ） (2024-09-11T07:24:07Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳（メタデータ） (2023-09-13T12:58:09Z) - A Probabilistic Model Of Interaction Dynamics for Dyadic Face-to-Face
Settings [1.9544213396776275]
我々は,対面設定における対の参加者間の相互作用のダイナミクスを捉える確率論的モデルを開発した。
この相互作用エンコーディングは、あるエージェントの将来のダイナミクスを予測する際に、生成に影響を与えるために使用される。
我々のモデルは, 相互作用する力学に基づいて, モード間のデライン化に成功していることを示す。
論文 参考訳（メタデータ） (2022-07-10T23:31:27Z) - Conversational speech recognition leveraging effective fusion methods
for cross-utterance language modeling [12.153618111267514]
音声認識における言語モデリングのための異種会話履歴融合手法を提案する。
現在の発話の音響埋め込みとそれに対応する会話履歴のセマンティックコンテンツとを融合して利用する新しい音声融合機構が導入された。
我々は,ASR N-best仮説再構成タスクを予測問題として,象徴的な事前学習型LMであるBERTを活用する。
論文 参考訳（メタデータ） (2021-11-05T09:07:23Z) - Topic-Aware Contrastive Learning for Abstractive Dialogue Summarization [41.75442239197745]
本研究は,コヒーレンス検出とサブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サブ・サミマリ・ジェネレーションという2つのトピック・アウェア・コントラスト学習目標を提案する。
ベンチマークデータセットの実験では、提案手法が強いベースラインを著しく上回ることを示した。
論文 参考訳（メタデータ） (2021-09-10T17:03:25Z) - Conversations Are Not Flat: Modeling the Dynamic Information Flow across
Dialogue Utterances [28.255324166852535]
オープンドメイン対話モデルは、歴史的文脈に応じて許容可能な応答を生成することができる。
本稿では,コンテキストフローをモデル化する動的フロー機構を導入するダイアロフローモデルを提案する。
コードと事前訓練されたモデルは公開されます。
論文 参考訳（メタデータ） (2021-06-04T03:04:06Z) - 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) - I like fish, especially dolphins: Addressing Contradictions in Dialogue
Modeling [104.09033240889106]
DialoguE Contradiction Detection Task(DECODE)と、人間とロボットの矛盾した対話の両方を含む新しい会話データセットを紹介します。
次に、事前学習したトランスフォーマーモデルを用いて、定型的非構造的アプローチと矛盾検出を行う構造的発話に基づくアプローチを比較する。
論文 参考訳（メタデータ） (2020-12-24T18:47:49Z) - Multi-View Sequence-to-Sequence Models with Conversational Structure for
Abstractive Dialogue Summarization [72.54873655114844]
テキスト要約は、NLPにおいて最も困難で興味深い問題の1つである。
本研究では、まず、異なる視点から構造化されていない日々のチャットの会話構造を抽出し、会話を表現するマルチビューシーケンス・ツー・シーケンスモデルを提案する。
大規模対話要約コーパスの実験により,本手法は,自動評価と人的判断の両面から,従来の最先端モデルよりも有意に優れた性能を示した。
論文 参考訳（メタデータ） (2020-10-04T20:12:44Z) - Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term
Importance Estimation and Neural Query Rewriting [56.268862325167575]
マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。
本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。
前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。
後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
論文 参考訳（メタデータ） (2020-05-05T14:30:20Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z)
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。