論文の概要: Emotion Eliciting Machine: Emotion Eliciting Conversation Generation
based on Dual Generator
- arxiv url: http://arxiv.org/abs/2105.08251v1
- Date: Tue, 18 May 2021 03:19:25 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-19 14:03:04.991896
- Title: Emotion Eliciting Machine: Emotion Eliciting Conversation Generation
based on Dual Generator
- Title（参考訳）: 感情誘発機:デュアルジェネレータに基づく会話生成を誘発する感情
- Authors: Hao Jiang, Yutao Zhu, Xinyu Zhang, Zhicheng Dou, Pan Du, Te Pi, Yantao
Jia
- Abstract要約: ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。
この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。
EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
- 参考スコア（独自算出の注目度）: 18.711852474600143
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent years have witnessed great progress on building emotional chatbots.
Tremendous methods have been proposed for chatbots to generate responses with
given emotions. However, the emotion changes of the user during the
conversation has not been fully explored. In this work, we study the problem of
positive emotion elicitation, which aims to generate responses that can elicit
positive emotion of the user, in human-machine conversation. We propose a
weakly supervised Emotion Eliciting Machine (EEM) to address this problem.
Specifically, we first collect weak labels of user emotion status changes in a
conversion based on a pre-trained emotion classifier. Then we propose a dual
encoder-decoder structure to model the generation of responses in both positive
and negative side based on the changes of the user's emotion status in the
conversation. An emotion eliciting factor is introduced on top of the dual
structure to balance the positive and negative emotional impacts on the
generated response during emotion elicitation. The factor also provides a
fine-grained controlling manner for emotion elicitation. Experimental results
on a large real-world dataset show that EEM outperforms the existing models in
generating responses with positive emotion elicitation.
- Abstract（参考訳）: 近年、感情的なチャットボットの構築に大きな進歩が見られた。
チャットボットが与えられた感情で応答を生成するための素晴らしい方法が提案されている。
しかし,会話中のユーザの感情変化は十分に検討されていない。
本研究では,人間と機械の会話において,ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブ感情誘発問題について検討する。
この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。
具体的には,まず,事前学習した感情分類器に基づいて,ユーザの感情状態変化の弱いラベルを変換で収集する。
次に,会話におけるユーザの感情状態の変化に基づいて,正と負の両方の応答生成をモデル化する二重エンコーダデコーダ構造を提案する。
二重構造の上に感情誘発因子を導入し、感情誘発時の反応に対する肯定的および否定的な感情的影響のバランスをとる。
この要因はまた、感情誘発のきめ細かい制御方法を提供する。
大規模な実世界のデータセットによる実験結果から、EEMは肯定的な感情誘発反応の生成において既存のモデルよりも優れていた。
関連論文リスト
- 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) - Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。
本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。
その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
論文 参考訳（メタデータ） (2024-04-03T08:48:50Z) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳（メタデータ） (2022-10-21T03:51:18Z) - Empathetic Response Generation with State Management [32.421924357260075]
共感的反応生成の目標は、会話における感情を知覚し表現する対話システムの能力を高めることである。
感情や意図を含む複数の状態情報を同時に考察できる新しい共感応答生成モデルを提案する。
実験の結果、異なる情報を動的に管理することは、モデルがより共感的な反応を生成するのに役立つことが示された。
論文 参考訳（メタデータ） (2022-05-07T16:17:28Z) - Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation [39.747587984500406]
本稿では,肯定的な感情誘発を伴う共感的対話生成の課題について述べる。
エージェントは、マルチターンダイアログにおいて、ユーザのポジティブ感情を引き出すターゲットとともに共感応答を行う。
我々はPosEmoDialと呼ばれる肯定的な感情誘発を伴う大規模感情対話データセットを収集する。
論文 参考訳（メタデータ） (2022-04-22T05:32:08Z) - Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。
本稿では,感情の強さを明示的に表現し,制御することを目的とする。
本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文 参考訳（メタデータ） (2022-01-10T02:11:25Z) - Empathetic Response Generation through Graph-based Multi-hop Reasoning
on Emotional Causality [13.619616838801006]
共感応答生成は、ユーザの感情を理解し、それを適切に応答することを目的としている。
既存の作業の多くは、単に感情が何であるかに焦点を合わせ、どのように感情が誘発されるかを無視します。
我々は、感情的因果関係、すなわち、ユーザーがどのような感情を表現しているか、なぜユーザーがそのような感情を持っているのかを考える。
論文 参考訳（メタデータ） (2021-10-09T17:12:41Z) - Automatically Select Emotion for Response via Personality-affected
Emotion Transition [0.0]
ダイアログシステムは、人間のような反応に対する適切な感情を自動的に選択できるべきです。
既存のほとんどの研究は、特定の感情を反応のレンダリングやユーザーの感情に共感的に反応させることに重点を置いているが、感情表現の個人差は見過ごされている。
対話システムに人格を付与し、会話中の人間の感情遷移をシミュレートすることで、応答中の感情を自動的に選択できるようにする。
論文 参考訳（メタデータ） (2021-06-30T07:00:42Z) - 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) - MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
論文 参考訳（メタデータ） (2020-10-04T00:35:47Z)
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。