論文の概要: CoMAE: A Multi-factor Hierarchical Framework for Empathetic Response Generation

• arxiv url: http://arxiv.org/abs/2105.08316v1
• Date: Tue, 18 May 2021 07:13:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-19 14:02:23.262838
• Title: CoMAE: A Multi-factor Hierarchical Framework for Empathetic Response Generation
• Title（参考訳）: CoMAE:共感応答生成のための多要素階層フレームワーク
• Authors: Chujie Zheng, Yong Liu, Wei Chen, Yongcai Leng and Minlie Huang
• Abstract要約: 共感的応答生成のためのマルチファクタ階層フレームワークであるCoMAEを提案する。 CoMAEベースのモデルが従来の方法よりも多くの共感応答を生成できることを実験的に示した。
• 参考スコア（独自算出の注目度）: 41.28609999443215
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The capacity of empathy is crucial to the success of open-domain dialog systems. Due to its nature of multi-dimensionality, there are various factors that relate to empathy expression, such as communication mechanism, dialog act and emotion. However, existing methods for empathetic response generation usually either consider only one empathy factor or ignore the hierarchical relationships between different factors, leading to a weak ability of empathy modeling. In this paper, we propose a multi-factor hierarchical framework, CoMAE, for empathetic response generation, which models the above three key factors of empathy expression in a hierarchical way. We show experimentally that our CoMAE-based model can generate more empathetic responses than previous methods. We also highlight the importance of hierarchical modeling of different factors through both the empirical analysis on a real-life corpus and the extensive experiments. Our codes and used data are available at https://github.com/chujiezheng/CoMAE.
• Abstract（参考訳）: オープンドメインダイアログシステムの成功には共感の能力が不可欠である。 多次元性の性質から,コミュニケーション機構や対話行動,感情など,共感表現に関連するさまざまな要因が存在する。 しかしながら、既存の共感的応答生成法は、通常、1つの共感因子のみを考慮するか、異なる要因間の階層的関係を無視し、共感モデリングの弱い能力をもたらす。 本稿では,共感表現の3つの重要な要素を階層的にモデル化した,共感応答生成のための多要素階層型フレームワークCoMAEを提案する。 実験により,我々のCoMAEモデルが従来の方法よりも共感的な反応を生成できることが示された。 また,実生活コーパスにおける経験的分析と広範な実験を通して,異なる要因の階層的モデリングの重要性を強調する。 私たちのコードと使用済みデータはhttps://github.com/chujiezheng/comae.comから入手できます。

関連論文リスト

• APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
  共感反応生成は、他人の感情を理解するように設計されている。 検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。 我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T02:23:37Z)
• EmoLLM: Multimodal Emotional Understanding Meets Large Language Models [61.179731667080326]
  マルチモーダル・大規模言語モデル(MLLM)は、目的とするマルチモーダル認識タスクにおいて顕著な性能を達成している。 しかし、主観的、感情的にニュアンスのあるマルチモーダルコンテンツを解釈する能力はほとんど解明されていない。 EmoLLMは、マルチモーダルな感情理解のための新しいモデルであり、2つのコア技術が組み込まれている。
  論文  参考訳（メタデータ） (2024-06-24T08:33:02Z)
• DiffusEmp: A Diffusion Model-Based Framework with Multi-Grained Control for Empathetic Response Generation [26.73326709474638]
  条件付き拡散言語モデルに基づいて,共感表現のガイドとフレームワークDiffusEmpの設計に明示的な制御を用いることを提案する。 このフレームワークは,文脈関連性を失うことなく,制御性,情報性,多様性の観点から競争ベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2023-06-02T16:26:21Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)
• Wish I Can Feel What You Feel: A Neural Approach for Empathetic Response Generation [2.5255184843886225]
  本稿では,感情の原因,知識グラフ,共感応答生成のためのコミュニケーション機構という,3つの要素を統合した新しいアプローチを提案する。 実験結果から,鍵成分を組み込むことにより,より情報的,共感的な反応が生じることが示された。
  論文  参考訳（メタデータ） (2022-12-05T03:20:37Z)
• CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic Response Generation [59.8935454665427]
  共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。 共感的対話生成のためのCASEモデルを提案する。
  論文  参考訳（メタデータ） (2022-08-18T14:28:38Z)
• 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)
• CARE: Commonsense-Aware Emotional Response Generation with Latent Concepts [42.106573635463846]
  本研究では,コモンセンスを意識した感情応答生成のための新しいモデルCAREを提案する。 まず,その応答の感情的潜在概念を共通認識で学習し,構築する枠組みを提案する。 次に, 潜在概念を反応生成に協調的に組み込む3つの手法を提案する。
  論文  参考訳（メタデータ） (2020-12-15T15:47:30Z)

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。