論文の概要: Explaining Outcomes of Multi-Party Dialogues using Causal Learning

• arxiv url: http://arxiv.org/abs/2105.00944v1
• Date: Mon, 3 May 2021 15:18:53 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 17:57:05.429467
• Title: Explaining Outcomes of Multi-Party Dialogues using Causal Learning
• Title（参考訳）: 因果学習を用いた多人数対話の成果説明
• Authors: Priyanka Sinha, Pabitra Mitra, Antonio Anastasio Bruto da Costa, Nikolaos Kekatos
• Abstract要約: マルチパーティの対話は、技術や非技術トピックに関する企業ソーシャルメディアで一般的である。 対立分析の観点から、なぜ対話が特定の感情で終わるのかを分析することが重要である。 解析のための説明可能な時系列マイニングアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 6.212955085775758
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-party dialogues are common in enterprise social media on technical as well as non-technical topics. The outcome of a conversation may be positive or negative. It is important to analyze why a dialogue ends with a particular sentiment from the point of view of conflict analysis as well as future collaboration design. We propose an explainable time series mining algorithm for such analysis. A dialogue is represented as an attributed time series of occurrences of keywords, EMPATH categories, and inferred sentiments at various points in its progress. A special decision tree, with decision metrics that take into account temporal relationships between dialogue events, is used for predicting the cause of the outcome sentiment. Interpretable rules mined from the classifier are used to explain the prediction. Experimental results are presented for the enterprise social media posts in a large company.
• Abstract（参考訳）: マルチパーティ対話は、技術や非技術トピックに関する企業ソーシャルメディアで一般的である。 会話の結果は肯定的あるいは否定的である。 コンフリクト分析や今後のコラボレーションデザインの観点から,対話が特定の感情で終わる理由を分析することが重要である。 このような分析のための説明可能な時系列マイニングアルゴリズムを提案する。 対話は、キーワード、EMPATHカテゴリ、およびその進行の様々な点での推論された感情の発生の時系列として表される。 結果の感情の原因を予測するために、対話イベント間の時間的関係を考慮した決定指標を持つ特別な決定木を用いる。 分類器から抽出された解釈可能なルールは、予測を説明するために使用される。 大企業における企業ソーシャルメディア投稿に対して,実験結果が提示される。

関連論文リスト

• Fine-Grained Analysis of Team Collaborative Dialogue [1.363890704621148]
  Slackチャットを用いたソフトウェア開発領域における説明可能な分析ツールの開発に向けた最初の取り組みについて説明する。 本研究では,対話行動の発生頻度に基づく記述的メトリクスの設計と,長距離コンテキストを組み込むための変換器+CRFアーキテクチャを用いた初期結果を作成する。
  論文  参考訳（メタデータ） (2023-12-09T05:38:32Z)
• Multi-turn Dialogue Comprehension from a Topic-aware Perspective [70.37126956655985]
  本稿では,話題認識の観点から,マルチターン対話をモデル化することを提案する。 対話文のセグメント化アルゴリズムを用いて、対話文を教師なしの方法でトピック集中フラグメントに分割する。 また,トピックセグメントを処理要素として扱う新しいモデルとして,トピック認識デュアルアテンションマッチング(TADAM)ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-18T11:03:55Z)
• Social Influence Dialogue Systems: A Scoping Survey of the Efforts Towards Influence Capabilities of Dialogue Systems [50.57882213439553]
  社会影響対話システムは、説得、交渉、治療を行うことができる。 これらのスキルを備えた対話システムには、正式な定義やカテゴリは存在しない。 この研究は、この新興地域でのより専用の研究と議論を促すために、社会影響対話システムの包括的参照となる。
  論文  参考訳（メタデータ） (2022-10-11T17:57:23Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)
• Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
  スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。 コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。 DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
  論文  参考訳（メタデータ） (2020-06-17T21:02:40Z)
• BiERU: Bidirectional Emotional Recurrent Unit for Conversational Sentiment Analysis [18.1320976106637]
  会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。 既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。 本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-31T11:13:13Z)
• Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
  本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。 実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
  論文  参考訳（メタデータ） (2020-05-27T02:05:33Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。