論文の概要: Towards Emotion-Aware Agents For Negotiation Dialogues
- arxiv url: http://arxiv.org/abs/2107.13165v1
- Date: Wed, 28 Jul 2021 04:42:36 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-29 22:11:50.573060
- Title: Towards Emotion-Aware Agents For Negotiation Dialogues
- Title（参考訳）: 対話における感情認識エージェントを目指して
- Authors: Kushal Chawla, Rene Clever, Jaysa Ramirez, Gale Lucas, Jonathan Gratch
- Abstract要約: 交渉は、人間の意思決定における感情的な出会いをカプセル化する複雑な社会的相互作用である。
人間と交渉できるバーチャルエージェントは、教育と会話のAIに役立ちます。
交渉から抽出した感情特性が予測にどの程度役立つかを分析する。
- 参考スコア（独自算出の注目度）: 2.1454205511807234
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Negotiation is a complex social interaction that encapsulates emotional
encounters in human decision-making. Virtual agents that can negotiate with
humans are useful in pedagogy and conversational AI. To advance the development
of such agents, we explore the prediction of two important subjective goals in
a negotiation - outcome satisfaction and partner perception. Specifically, we
analyze the extent to which emotion attributes extracted from the negotiation
help in the prediction, above and beyond the individual difference variables.
We focus on a recent dataset in chat-based negotiations, grounded in a
realistic camping scenario. We study three degrees of emotion dimensions -
emoticons, lexical, and contextual by leveraging affective lexicons and a
state-of-the-art deep learning architecture. Our insights will be helpful in
designing adaptive negotiation agents that interact through realistic
communication interfaces.
- Abstract（参考訳）: 交渉は、人間の意思決定における感情的な出会いをカプセル化する複雑な社会的相互作用である。
人間と交渉できるバーチャルエージェントは、教育と会話のAIに役立ちます。
このようなエージェントの開発を進めるために,交渉における2つの重要な主観的目標 - 成果満足度とパートナー認識 - の予測を検討する。
具体的には, 交渉から抽出した感情特性が, 個人差分以上の予測にどの程度役立つかを分析する。
私たちは、チャットベースの交渉における最近のデータセットにフォーカスしています。
本研究では,情緒的語彙と最先端のディープラーニングアーキテクチャを活用することで,感情次元・語彙・文脈の3段階について検討する。
我々の洞察は、現実的なコミュニケーションインターフェースを介して対話する適応的な交渉エージェントの設計に役立ちます。
関連論文リスト
- Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。
この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。
実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
論文 参考訳（メタデータ） (2024-11-07T21:37:51Z) - CAPE: A Chinese Dataset for Appraisal-based Emotional Generation using Large Language Models [30.40159858361768]
認知評価理論に基づく感情コーパスという中国のデータセットであるCAPEを作成するための2段階の自動データ生成フレームワークを提案する。
このコーパスは、多様な個人的・状況的要因を考慮し、文脈的に適切な感情的反応を伴う対話を生成する。
我々の研究は、会話エージェントにおける感情表現を前進させる可能性を示し、よりニュアンスで有意義な人間とコンピュータの相互作用の道を開いた。
論文 参考訳（メタデータ） (2024-10-18T03:33:18Z) - SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。
異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。
本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
論文 参考訳（メタデータ） (2024-05-19T09:59:00Z) - Be Selfish, But Wisely: Investigating the Impact of Agent Personality in
Mixed-Motive Human-Agent Interactions [24.266490660606497]
セルフプレイのRLは交渉において妥協の価値を学ばないことがわかった。
我々は、多様な個性を持つエージェントを設計し、人間のパートナーとのパフォーマンスを分析するために、トレーニング手順を2つの新しい方法で修正する。
どちらの手法も有望性を示すが、自尊心のあるエージェントは、自己と交渉相手の両方に価値を生み出すことを暗黙的に学習することで、自身のパフォーマンスを最大化し、歩行を回避し、他の変種よりも優れた性能を発揮する。
論文 参考訳（メタデータ） (2023-10-22T20:31:35Z) - 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) - CaSiNo: A Corpus of Campsite Negotiation Dialogues for Automatic
Negotiation Systems [11.43342650898619]
我々はCaSiNo:英語で数千以上の交渉対話の斬新なコーパスを提示します。
私たちの設計は、トラクタブルで閉じたドメイン環境を維持しながら、多様で言語的に豊富な交渉をもたらします。
これらの戦略を与えられた発話で認識するためのマルチタスクフレームワークの提案と評価を行います。
論文 参考訳（メタデータ） (2021-03-29T16:07:25Z) - 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) - 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) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳（メタデータ） (2020-04-11T12:51:07Z) - Generating Emotionally Aligned Responses in Dialogues using Affect
Control Theory [15.848210524718219]
感情制御理論(Affect Control Theory、ACT)は、人間と人間の相互作用に対する感情の社会的・数学的モデルである。
本研究では、ACTが感情認識型神経会話エージェントの開発にどのように役立つかを検討する。
論文 参考訳（メタデータ） (2020-03-07T19:31:08Z)
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。