論文の概要: "where is this relationship going?": Understanding Relationship
Trajectories in Narrative Text
- arxiv url: http://arxiv.org/abs/2010.15313v1
- Date: Thu, 29 Oct 2020 02:07:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-01 22:54:37.328538
- Title: "where is this relationship going?": Understanding Relationship
Trajectories in Narrative Text
- Title（参考訳）: 「この関係はどこへ向かっているのか?」--ナラティブテキストにおける関係軌跡の理解
- Authors: Keen You and Dan Goldwasser
- Abstract要約: 社会的な相互作用を記述する物語が与えられたとき、システムは根底にある関係の軌跡について推測する。
新しいデータセットであるSocial Narrative Treeを構築し、1250のストーリーからなり、様々な日々の社会的相互作用を文書化しています。
- 参考スコア（独自算出の注目度）: 28.14874371042193
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We examine a new commonsense reasoning task: given a narrative describing a
social interaction that centers on two protagonists, systems make inferences
about the underlying relationship trajectory. Specifically, we propose two
evaluation tasks: Relationship Outlook Prediction MCQ and Resolution Prediction
MCQ. In Relationship Outlook Prediction, a system maps an interaction to a
relationship outlook that captures how the interaction is expected to change
the relationship. In Resolution Prediction, a system attributes a given
relationship outlook to a particular resolution that explains the outcome.
These two tasks parallel two real-life questions that people frequently ponder
upon as they navigate different social situations: "where is this relationship
going?" and "how did we end up here?". To facilitate the investigation of human
social relationships through these two tasks, we construct a new dataset,
Social Narrative Tree, which consists of 1250 stories documenting a variety of
daily social interactions. The narratives encode a multitude of social elements
that interweave to give rise to rich commonsense knowledge of how relationships
evolve with respect to social interactions. We establish baseline performances
using language models and the accuracies are significantly lower than human
performance. The results demonstrate that models need to look beyond syntactic
and semantic signals to comprehend complex human relationships.
- Abstract（参考訳）: 2人の主人公を中心にした社会的相互作用を記述した物語を考えると、システムは基礎となる関係の軌跡について推測する。
具体的には,関係見通し予測MCQと解像度予測MCQの2つの評価課題を提案する。
関係見通し予測では、システムは相互作用を関係見通しにマッピングし、相互作用が関係をどのように変化させると見込まれるかをキャプチャする。
解決予測では、システムは与えられた関係の見通しを結果を説明する特定の解決に分類する。
これらの2つのタスクは、人々が異なる社会的状況をナビゲートするときによく考える2つの現実的な質問と並行して行われる。
これら2つのタスクによる人間関係の調査を容易にするために、日々の交流を文書化した1250のストーリーからなる新しいデータセット、Social Narrative Treeを構築した。
物語は、社会的相互作用に関して関係がどのように進化するかについての豊富な常識的知識を生み出すために織り交ぜられる様々な社会的要素を包含している。
言語モデルを用いてベースライン性能を確立し,その精度は人的性能よりも著しく低い。
その結果, 複雑な人間関係を理解するためには, モデルが構文的, 意味的シグナル以上のものを探す必要があることがわかった。
関連論文リスト
- From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳（メタデータ） (2024-06-12T16:02:28Z) - Large Language Models Fall Short: Understanding Complex Relationships in
Detective Narratives [21.297972871264744]
我々は,刑事談話から複雑な文字関係グラフを抽出し,解析するための新しいベンチマークであるConanを導入する。
具体的には、階層的な関係カテゴリを設計し、様々なキャラクターの視点から手動で役割指向関係を抽出し、注釈付けした。
GPT-3.5やGPT-4、Llama2といった先進言語モデル(LLM)を用いた実験は、複雑な関係を推論し、より長い物語を扱う際の限界を明らかにします。
論文 参考訳（メタデータ） (2024-02-16T19:59:45Z) - Improving (Dis)agreement Detection with Inductive Social Relation
Information From Comment-Reply Interactions [49.305189190372765]
社会関係情報は、テキスト情報以外の(認識の)タスクにおいて補助的な役割を果たすことができる。
本稿では,このような関係情報を(離散化)データから帰納的社会関係グラフに抽出する手法を提案する。
社会関係は,特に長時間のコメント-返信ペアにおいて,(不一致)認識モデルの性能を高めることができる。
論文 参考訳（メタデータ） (2023-02-08T09:09:47Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - CogIntAc: Modeling the Relationships between Intention, Emotion and
Action in Interactive Process from Cognitive Perspective [15.797390372732973]
個人間相互作用の新たな認知枠組みを提案する。
フレームワークの中核は、個人が内的意図によって駆動される外部行動を通じて相互作用を達成することである。
論文 参考訳（メタデータ） (2022-05-07T03:54:51Z) - SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian
Trajectory Prediction [59.064925464991056]
ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。
SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。
公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
論文 参考訳（メタデータ） (2021-12-05T01:49:18Z) - "You made me feel this way": Investigating Partners' Influence in
Predicting Emotions in Couples' Conflict Interactions using Speech Data [3.618388731766687]
対立の間、ロマンチックなパートナーが相互にどのように相互作用するかは、相互作用の最後にどのように感じるかに影響します。
本研究では,368人のドイツ語話者スイス人カップルのデータセットから,BERTを用いて言語的特徴(つまり,パートナーが言ったこと)とopenSMILEを抽出し,パラ言語的特徴(すなわち,どのように言ったか)を抽出した。
これらの機能に基づいて、私たちは機械学習モデルをトレーニングし、対立間の相互作用の後、パートナーが肯定的または否定的と感じているかどうかを予測しました。
論文 参考訳（メタデータ） (2021-06-03T01:15:41Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z) - Graph-Based Social Relation Reasoning [101.9402771161935]
社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
論文 参考訳（メタデータ） (2020-07-15T03:01:11Z) - Learning Interactions and Relationships between Movie Characters [37.27773051465456]
我々は、相互作用、関係、および関係する一対のキャラクタを学習し、共同で予測するニューラルネットワークを提案する。
ビデオ中の対話的文字のペアをローカライズすることは時間を要するプロセスであり、クリップレベルの弱いラベルから学習するためにモデルをトレーニングする。
我々は、MovieGraphsデータセット上でモデルを評価し、モダリティの影響、関係を予測するための時間的コンテキストの使用、弱いラベルを用いたパフォーマンス向上を実現した。
論文 参考訳（メタデータ） (2020-03-29T23:11:24Z)
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。