論文の概要: CHARET: Character-centered Approach to Emotion Tracking in Stories
- arxiv url: http://arxiv.org/abs/2102.07537v1
- Date: Mon, 15 Feb 2021 13:17:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-16 22:47:05.067612
- Title: CHARET: Character-centered Approach to Emotion Tracking in Stories
- Title（参考訳）: CHARET:ストーリーにおける感情追跡へのキャラクター中心のアプローチ
- Authors: Diogo S. Carvalho, Joana Campos, Manuel Guimar\~aes, Ana Antunes,
Jo\~ao Dias, Pedro A. Santos
- Abstract要約: イベントが展開するにつれて、現在の最先端のツールを活用して、ストーリーのキャラクターの感情状態に関する推測を行う方法を示す。
本稿では,感情のセマンティクスに対する感情追跡のためのキャラクターロールラベリング手法を提案する。
- 参考スコア（独自算出の注目度）: 0.8236071905764974
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Autonomous agents that can engage in social interactions witha human is the
ultimate goal of a myriad of applications. A keychallenge in the design of
these applications is to define the socialbehavior of the agent, which requires
extensive content creation.In this research, we explore how we can leverage
current state-of-the-art tools to make inferences about the emotional state ofa
character in a story as events unfold, in a coherent way. Wepropose a character
role-labelling approach to emotion tracking thataccounts for the semantics of
emotions. We show that by identifyingactors and objects of events and
considering the emotional stateof the characters, we can achieve better
performance in this task,when compared to end-to-end approaches.
- Abstract（参考訳）: 人間との社会的相互作用を担える自律エージェントは、無数の応用の最終的な目標である。
これらのアプリケーションの設計における重要な課題は、広範なコンテンツ作成を必要とするエージェントの社会的行動を定義することです。この研究では、現在の最先端のツールを使用して、ストーリー内のキャラクターの感情的な状態を一貫性のある方法で展開する方法を検討します。
感情のセマンティクスを算定する感情追跡に対する特徴的役割照合アプローチを提案する。
本研究では,アクタやイベントのオブジェクトを識別し,キャラクターの感情状態を考慮することで,エンド・ツー・エンドのアプローチと比較して,このタスクにおいて優れたパフォーマンスが得られることを示す。
関連論文リスト
- Infusing Emotions into Task-oriented Dialogue Systems: Understanding, Management, and Generation [6.377334634656281]
感情は人間のコミュニケーションには不可欠であるが、タスク指向対話(ToD)モデリングでは見過ごされがちである。
本研究では,完全なToD処理ループに感情を組み込み,理解,管理,生成を行う。
提案手法がユーザの感情経験とタスク成功を著しく向上させることを示す。
論文 参考訳（メタデータ） (2024-08-05T12:21:04Z) - ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳（メタデータ） (2024-05-17T15:45:08Z) - x-enVENT: A Corpus of Event Descriptions with Experiencer-specific
Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。
心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。
この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文 参考訳（メタデータ） (2022-03-21T12:02:06Z) - Emotions as abstract evaluation criteria in biological and artificial
intelligences [0.0]
機能レベルで感情を模倣するフレームワークを提案する。
感情安定度(TAES)による時間割当に基づいて、感情を抽象的な基準として実装する。
エージェントの長期的なゴールは、個々のタスクを選択する頻度を最適化することで、キャラクタと経験を一致させることである。
論文 参考訳（メタデータ） (2021-11-30T10:49:04Z) - SOLVER: Scene-Object Interrelated Visual Emotion Reasoning Network [83.27291945217424]
画像から感情を予測するために,SOLVER(Scene-Object Interrelated Visual Emotion Reasoning Network)を提案する。
異なるオブジェクト間の感情関係を掘り下げるために、まずセマンティックな概念と視覚的特徴に基づいて感情グラフを構築します。
また、シーンとオブジェクトを統合するScene-Object Fusion Moduleを設計し、シーンの特徴を利用して、提案したシーンベースのアテンションメカニズムでオブジェクトの特徴の融合プロセスを導出する。
論文 参考訳（メタデータ） (2021-10-24T02:41:41Z) - Emotion Recognition from Multiple Modalities: Fundamentals and
Methodologies [106.62835060095532]
マルチモーダル感情認識(MER)のいくつかの重要な側面について論じる。
まず、広く使われている感情表現モデルと感情モダリティの簡単な紹介から始める。
次に、既存の感情アノテーション戦略とそれに対応する計算タスクを要約する。
最後に,実世界のアプリケーションについて概説し,今後の方向性について論じる。
論文 参考訳（メタデータ） (2021-08-18T21:55:20Z) - 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) - EmoDNN: Understanding emotions from short texts through a deep neural
network ensemble [2.459874436804819]
本稿では,短い内容から潜伏した個々の側面を推定する枠組みを提案する。
また,テキストコンテキストから感情を抽出する動的ドロップアウト共振器を備えた新しいアンサンブル分類器を提案する。
提案モデルでは,ノイズのある内容から感情を認識する上で,高い性能を実現することができる。
論文 参考訳（メタデータ） (2021-06-03T09:17:34Z) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳（メタデータ） (2021-04-20T16:55:15Z) - Emotion Dynamics in Movie Dialogues [25.289525325790414]
発話を通して感情のダイナミクスを追跡する枠組みを提案する。
我々はこの手法を用いて、映画キャラクタの感情的弧をトレースする。
このような何千もの文字アークを分析し、ストーリーのより広い理解を知らせる仮説をテストします。
論文 参考訳（メタデータ） (2021-03-01T23:02:16Z) - Target Guided Emotion Aware Chat Machine [58.8346820846765]
意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。
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。
論文 参考訳（メタデータ） (2020-11-15T01:55:37Z)
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。