論文の概要: Recognizing Emotion Cause in Conversations
- arxiv url: http://arxiv.org/abs/2012.11820v2
- Date: Thu, 24 Dec 2020 08:43:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-27 01:15:33.998910
- Title: Recognizing Emotion Cause in Conversations
- Title(参考訳): 会話における感情の認識
- Authors: Soujanya Poria, Navonil Majumder, Devamanyu Hazarika, Deepanway
Ghosal, Rishabh Bhardwaj, Samson Yu Bai Jian, Romila Ghosh, Niyati Chhaya,
Alexander Gelbukh, Rada Mihalcea
- Abstract要約: テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。
RECCONというデータセットとの会話で感情の原因を認識するタスクを紹介します。
- 参考スコア(独自算出の注目度): 82.88647116730691
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Recognizing the cause behind emotions in text is a fundamental yet
under-explored area of research in NLP. Advances in this area hold the
potential to improve interpretability and performance in affect-based models.
Identifying emotion causes at the utterance level in conversations is
particularly challenging due to the intermingling dynamic among the
interlocutors. To this end, we introduce the task of recognizing emotion cause
in conversations with an accompanying dataset named RECCON. Furthermore, we
define different cause types based on the source of the causes and establish
strong transformer-based baselines to address two different sub-tasks of
RECCON: 1) Causal Span Extraction and 2) Causal Emotion Entailment. The dataset
is available at https://github.com/declare-lab/RECCON.
- Abstract(参考訳): テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。
この領域の進歩は、影響に基づくモデルの解釈可能性と性能を向上させる可能性を秘めている。
会話における発話レベルでの感情の特定は、対話者間の相互作用のダイナミックさのために特に困難である。
そこで本研究では,会話中の感情をrecconというデータセットで認識するタスクを提案する。
さらに,原因の出所に基づいて異なる原因タイプを定義し,強いトランスフォーマベースのベースラインを構築し,因果スパン抽出と因果感情の2つのサブタスクに対応する。
データセットはhttps://github.com/declare-lab/recconで入手できる。
関連論文リスト
- Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on
Data-Driven Deep Learning [70.30713251031052]
本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。
実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
論文 参考訳(メタデータ) (2022-06-15T01:25:32Z) - Neutral Utterances are Also Causes: Enhancing Conversational Causal
Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。
感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
論文 参考訳(メタデータ) (2022-05-02T09:12:32Z) - Chat-Capsule: A Hierarchical Capsule for Dialog-level Emotion Analysis [70.98130990040228]
本稿では,発話レベルと対話レベルの両方の感情とその相互関係をモデル化したコンテキストベースの階層的注意カプセル(Chat-Capsule)モデルを提案する。
Eコマースプラットフォームの顧客サポートから収集したダイアログデータセットでは,ユーザの満足度や感情曲線のカテゴリも予測できる。
論文 参考訳(メタデータ) (2022-03-23T08:04:30Z) - TSAM: A Two-Stream Attention Model for Causal Emotion Entailment [50.07800752967995]
CEE(Causal Emotion Entailment)は、会話の発話において感情の背後にある潜在的な原因を発見することを目的としている。
我々は,グローバルビューにおける発話間の相関を捉えるために,複数の発話を同期的に分類する。
対話履歴における話者の感情的影響を効果的にモデル化する2ストリーム注意モデル(TSAM)を提案する。
論文 参考訳(メタデータ) (2022-03-02T02:11:41Z) - Beyond Isolated Utterances: Conversational Emotion Recognition [33.52961239281893]
音声の感情認識は、発話の記録から話者の感情状態を認識するタスクである。
本稿では,対話型感情認識(CER)をシーケンスラベリングタスクとして扱うことで,対話型感情認識(CER)にいくつかのアプローチを提案する。
CERのトランスフォーマーアーキテクチャについて検討し,ResNet-34およびBiLSTMアーキテクチャと比較した。
論文 参考訳(メタデータ) (2021-09-13T16:40:35Z) - Affective Image Content Analysis: Two Decades Review and New
Perspectives [132.889649256384]
我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。
我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。
画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
論文 参考訳(メタデータ) (2021-06-30T15:20:56Z) - A Dual-Questioning Attention Network for Emotion-Cause Pair Extraction
with Context Awareness [3.5630018935736576]
感情因果ペア抽出のためのデュアルクエストアテンションネットワークを提案する。
具体的には、文脈的・意味的回答のための注意ネットワークを通じて、候補者の感情や要因を独立に問う。
実験結果から,本手法は複数の評価指標の基準値よりも優れた性能を示した。
論文 参考訳(メタデータ) (2021-04-15T03:47:04Z) - AdCOFE: Advanced Contextual Feature Extraction in Conversations for
emotion classification [0.29360071145551075]
提案したAdCOFE(Advanced Contextual Feature extract)モデルはこれらの問題に対処する。
会話データセットにおける感情認識の実験は、AdCOFEが会話中の感情のキャプチャに有益であることを示しています。
論文 参考訳(メタデータ) (2021-04-09T17:58:19Z) - Discovering Emotion and Reasoning its Flip in Multi-Party Conversations
using Masked Memory Network and Transformer [16.224961520924115]
感情フリップ推論(EFR)の新たな課題について紹介する。
EFRは、ある時点で感情状態が反転した過去の発話を特定することを目的としている。
後者のタスクに対して,前者およびトランスフォーマーベースのネットワークに対処するためのマスクメモリネットワークを提案する。
論文 参考訳(メタデータ) (2021-03-23T07:42:09Z)
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。