論文の概要: PVG at WASSA 2021: A Multi-Input, Multi-Task, Transformer-Based
Architecture for Empathy and Distress Prediction
- arxiv url: http://arxiv.org/abs/2103.03296v1
- Date: Thu, 4 Mar 2021 20:12:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-08 14:59:27.353272
- Title: PVG at WASSA 2021: A Multi-Input, Multi-Task, Transformer-Based
Architecture for Empathy and Distress Prediction
- Title（参考訳）: PVG at WASSA 2021: 共感と距離予測のためのマルチ入力、マルチタスク、トランスフォーマーベースのアーキテクチャ
- Authors: Atharva Kulkarni, Sunanda Somwase, Shivam Rajput, and Manisha Marathe
- Abstract要約: 本稿では,共感スコア予測のためのマルチ入力マルチタスクフレームワークを提案する。
ストレススコア予測タスクでは、語彙的特徴の追加によってシステムが強化される。
私たちの提出は、平均相関(0.545)と苦痛相関(0.574)、共感的ピアソン相関(0.517)に基づいて1$st$をランク付けしました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Active research pertaining to the affective phenomenon of empathy and
distress is invaluable for improving human-machine interaction. Predicting
intensities of such complex emotions from textual data is difficult, as these
constructs are deeply rooted in the psychological theory. Consequently, for
better prediction, it becomes imperative to take into account ancillary factors
such as the psychological test scores, demographic features, underlying latent
primitive emotions, along with the text's undertone and its psychological
complexity. This paper proffers team PVG's solution to the WASSA 2021 Shared
Task on Predicting Empathy and Emotion in Reaction to News Stories. Leveraging
the textual data, demographic features, psychological test score, and the
intrinsic interdependencies of primitive emotions and empathy, we propose a
multi-input, multi-task framework for the task of empathy score prediction.
Here, the empathy score prediction is considered the primary task, while
emotion and empathy classification are considered secondary auxiliary tasks.
For the distress score prediction task, the system is further boosted by the
addition of lexical features. Our submission ranked 1$^{st}$ based on the
average correlation (0.545) as well as the distress correlation (0.574), and
2$^{nd}$ for the empathy Pearson correlation (0.517).
- Abstract（参考訳）: 共感と苦痛の感情現象に関する活発な研究は、人間と機械の相互作用を改善するために非常に貴重です。
これらの構成は心理学理論に深く根ざしているため、テキストデータからそのような複雑な感情の強度を予測することは困難です。
したがって、より良い予測のためには、心理的テストスコア、人口統計学的特徴、潜在的な原始的感情の基礎、テキストのアンダートーンとその心理的複雑さなどの補助要因を考慮することが不可欠です。
本稿では,WASSA 2021のニュース記事に対する共感と感情の予測に関する共有タスクに対するPVGのソリューションについて述べる。
テキストデータ,人口統計特性,心理テストスコア,原始感情と共感の本質的な相互依存を利用して,共感スコア予測タスクのためのマルチ入力マルチタスクフレームワークを提案する。
ここで、共感スコア予測は第一次タスクと見なされ、感情と共感の分類は二次補助タスクと見なされます。
ストレススコア予測タスクでは、語彙的特徴の追加により、システムはさらに強化される。
私たちの提案は、平均相関(0.545)と苦痛相関(0.574)と共感的ピアソン相関(0.517)の2$^{nd}$に基づいて1$^{st}$をランク付けしました。
関連論文リスト
- Empathy and Distress Detection using Ensembles of Transformer Models [0.0]
本稿では,WASSA 2023共感・感情・パーソナリティ共有タスクへのアプローチについて述べる。
自然言語処理において、共感と悲惨な検出が重要な課題である。
Pearsonのrスコアは0.346で、共感と悲惨な検出のサブタスクでは3位です。
論文 参考訳（メタデータ） (2023-12-05T08:50:34Z) - The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional
Reactions, and Stress [71.06453250061489]
マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。
今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
論文 参考訳（メタデータ） (2022-06-23T13:34:33Z) - 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) - EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。
変圧器事前学習言語モデル(T5)に基づく手法を提案する。
本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
論文 参考訳（メタデータ） (2021-10-30T19:04:48Z) - StrengthNet: Deep Learning-based Emotion Strength Assessment for
Emotional Speech Synthesis [82.39099867188547]
本稿では,強度予測のための深層学習に基づく感情力評価ネットワークを提案する。
本モデルは,音響エンコーダ,強度予測器,補助感情予測器を含む構造を持つマルチタスク学習フレームワークに適合する。
実験により,提案した強度ネットの予測感情強度は,見知らぬ音声に対する地上の真理スコアと高い相関性を示した。
論文 参考訳（メタデータ） (2021-10-07T03:16:15Z) - Exemplars-guided Empathetic Response Generation Controlled by the
Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。
これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文 参考訳（メタデータ） (2021-06-22T14:02:33Z) - WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning
for Emotion Classification and Empathy Prediction [0.0]
本稿では,共感予測と感情分類に関するWASSA 2021共有タスクへの貢献について述べる。
このタスクの幅広い目標は、誰かへの危害に関連する新聞記事に反応して書かれたエッセイの共感スコア、苦難スコア、全体的な感情レベルをモデル化することであった。
ELECTRAモデルを豊富に使用し、マルチタスク学習のような高度なディープラーニングアプローチも提供しています。
論文 参考訳（メタデータ） (2021-04-20T08:24:10Z) - A Computational Approach to Understanding Empathy Expressed in
Text-Based Mental Health Support [11.736179504987712]
オンラインメンタルヘルスプラットフォームにおいて共感がどのように表現されるかを理解するための計算手法を提案する。
我々は,テキストベースの会話における共感のコミュニケーションを特徴付けるための,理論的基盤の統一フレームワークを開発する。
論文 参考訳（メタデータ） (2020-09-17T17:47:00Z) - Prediction of Human Empathy based on EEG Cortical Asymmetry [0.0]
特定の周波数帯における脳振動の側方化は、自己申告された共感スコアの重要な予測因子である。
結果は、感情の表現や認識が困難である人々を支援する脳-コンピュータインターフェースの開発に利用される。
論文 参考訳（メタデータ） (2020-05-06T13:49:56Z) - Towards Persona-Based Empathetic Conversational Models [58.65492299237112]
共感的会話モデルは、多くのドメインにおけるユーザの満足度とタスク結果を改善することが示されている。
心理学において、ペルソナは人格と高い相関関係があることが示され、それによって共感に影響を及ぼす。
本研究では,ペルソナに基づく共感的会話に対する新たな課題を提案し,ペルソナが共感的反応に与える影響に関する最初の経験的研究を示す。
論文 参考訳（メタデータ） (2020-04-26T08:51:01Z) - SensAI+Expanse Emotional Valence Prediction Studies with Cognition and
Memory Integration [0.0]
この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。
開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。
本研究は, 年齢と性別の相違が有意であることを示すものである。
論文 参考訳（メタデータ） (2020-01-03T18:17:57Z)
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。