論文の概要: Towards an Online Empathetic Chatbot with Emotion Causes

• arxiv url: http://arxiv.org/abs/2105.11903v1
• Date: Tue, 11 May 2021 02:52:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-06 11:06:38.060020
• Title: Towards an Online Empathetic Chatbot with Emotion Causes
• Title（参考訳）: 感情型オンライン共感型チャットボットを目指して
• Authors: Yanran Li and Ke Li and Hongke Ning and xiaoqiang Xia and Yalong Guo and Chen Wei and Jianwei Cui and Bin Wang
• Abstract要約: 共感反応に対するユーザの感情を誘発する原因を学習することが重要である。 オンライン環境で感情の原因を収集するために、カウンセリング戦略を活用する。 提案手法の有効性を,複数のSOTA法との比較により検証した。
• 参考スコア（独自算出の注目度）: 10.700455393948818
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing emotion-aware conversational models usually focus on controlling the response contents to align with a specific emotion class, whereas empathy is the ability to understand and concern the feelings and experience of others. Hence, it is critical to learn the causes that evoke the users' emotion for empathetic responding, a.k.a. emotion causes. To gather emotion causes in online environments, we leverage counseling strategies and develop an empathetic chatbot to utilize the causal emotion information. On a real-world online dataset, we verify the effectiveness of the proposed approach by comparing our chatbot with several SOTA methods using automatic metrics, expert-based human judgements as well as user-based online evaluation.
• Abstract（参考訳）: 既存の感情を意識した会話モデルは、通常、特定の感情クラスに合わせて応答内容を制御することに集中するが、共感は他人の感情や経験を理解し、関心を抱く能力である。 したがって、共感的反応のためにユーザの感情を喚起する原因を学ぶことが重要である。 感情が原因。 オンライン環境における感情要因の収集には,カウンセリング戦略と共感型チャットボットを用いて因果感情情報を活用する。 実世界のオンラインデータセット上では,チャットボットと複数のSOTA手法を自動計測,専門家による人的判断,ユーザによるオンライン評価を用いて比較することにより,提案手法の有効性を検証する。

関連論文リスト

• CTSM: Combining Trait and State Emotions for Empathetic Response Model [2.865464162057812]
  共感応答生成は、対話システムに話者の感情を知覚し、それに応じて共感応答を生成する。 我々は,共感反応モデル(CTSM)のためのトラストと状態感情の組み合わせを提案する。 対話における感情を十分に知覚するために、まず特徴と状態の感情の埋め込みを構築し、エンコードする。 感情表現を誘導する感情誘導モジュールにより、感情知覚能力をさらに強化する。
  論文  参考訳（メタデータ） (2024-03-22T10:45:13Z)
• 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)
• 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)
• CEM: Commonsense-aware Empathetic Response Generation [31.956147246779423]
  本稿では,ユーザ状況に関する情報を引き出すために,コモンセンスを利用した共感応答生成手法を提案する。 我々は,共感的応答生成のためのベンチマークデータセットである共感的ダイアログに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-09-13T06:55:14Z)
• Affective Decoding for Empathetic Response Generation [8.391383696266704]
  共感応答生成のためのAffective Decodingと呼ばれる手法を提案する。 本手法は,各デコーディングステップ中に感情信号を効果的に組み込むことができる。 我々のモデルは人間の評価により共感的であると認識されている。
  論文  参考訳（メタデータ） (2021-08-18T11:48:40Z)
• 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)
• 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)
• 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)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。