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: 翻訳完了
• 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

• Generative Emotion Cause Explanation in Multimodal Conversations [23.39751445330256]
  我々は、新しいタスク textbfMultimodal textbfConversation textbfEmotion textbfCause textbfExplanation (MCECE)を提案する。 マルチモーダル会話シナリオにおいて、ターゲット発話に対する感情的原因を詳細に説明することを目的としている。 FAME-Netという新しいアプローチが提案され、ビデオの表情を通して、視覚データを解析し、感情を正確に解釈するLarge Language Models(LLMs)の力を利用する。
  論文  参考訳（メタデータ） (2024-11-01T09:16:30Z)
• Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
  対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。 大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
  論文  参考訳（メタデータ） (2024-06-07T08:58:29Z)
• SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
  SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。 異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。 本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
  論文  参考訳（メタデータ） (2024-05-19T09:59:00Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• 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)
• PAGE: A Position-Aware Graph-Based Model for Emotion Cause Entailment in Conversation [3.8754794750431447]
  Conversational Causal Emotion Entailment (C2E2)は、会話中のターゲット感情に対応する原因を認識することを目的としたタスクである。 会話全体を符号化し、発話間の因果関係を完全にモデル化する新しい位置認識グラフを考案する。 提案手法は,2つの挑戦的テストセット上での最先端性能を一貫して達成する。
  論文  参考訳（メタデータ） (2023-03-03T09:13:23Z)
• Multi-Task Learning Framework for Extracting Emotion Cause Span and Entailment in Conversations [3.2260643152341095]
  本研究では,会話における感情の原因と細部を抽出するニューラルモデルを提案する。 MuTECは、感情、感情の原因、会話の細部を抽出するエンドツーエンドのマルチタスク学習フレームワークである。
  論文  参考訳（メタデータ） (2022-11-07T18:14:45Z)
• 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)
• 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)
• 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。