論文の概要: EmoWOZ: A Large-Scale Corpus and Labelling Scheme for Emotion in
Task-Oriented Dialogue Systems
- arxiv url: http://arxiv.org/abs/2109.04919v1
- Date: Fri, 10 Sep 2021 15:00:01 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-13 13:31:23.052948
- Title: EmoWOZ: A Large-Scale Corpus and Labelling Scheme for Emotion in
Task-Oriented Dialogue Systems
- Title（参考訳）: emowoz:タスク指向対話システムにおける感情の大規模コーパスとラベル付け方式
- Authors: Shutong Feng, Nurul Lubis, Christian Geishauser, Hsien-chin Lin,
Michael Heck, Carel van Niekerk and Milica Ga\v{s}i\'c
- Abstract要約: EmoWOZはタスク指向対話の大規模手動感情注釈コーパスである。
11K以上の対話と83K以上の感情アノテーションを含む。
本稿では,タスク指向対話に適した新しい感情ラベリング手法を提案する。
- 参考スコア（独自算出の注目度）: 3.3010169113961325
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The ability to recognise emotions lends a conversational artificial
intelligence a human touch. While emotions in chit-chat dialogues have received
substantial attention, emotions in task-oriented dialogues have been largely
overlooked despite having an equally important role, such as to signal failure
or success. Existing emotion-annotated task-oriented corpora are limited in
size, label richness, and public availability, creating a bottleneck for
downstream tasks. To lay a foundation for studies on emotions in task-oriented
dialogues, we introduce EmoWOZ, a large-scale manually emotion-annotated corpus
of task-oriented dialogues. EmoWOZ is based on MultiWOZ, a multi-domain
task-oriented dialogue dataset. It contains more than 11K dialogues with more
than 83K emotion annotations of user utterances. In addition to Wizzard-of-Oz
dialogues from MultiWOZ, we collect human-machine dialogues within the same set
of domains to sufficiently cover the space of various emotions that can happen
during the lifetime of a data-driven dialogue system. To the best of our
knowledge, this is the first large-scale open-source corpus of its kind. We
propose a novel emotion labelling scheme, which is tailored to task-oriented
dialogues. We report a set of experimental results to show the usability of
this corpus for emotion recognition and state tracking in task-oriented
dialogues.
- Abstract（参考訳）: 感情を認識する能力は、対話型人工知能に人間の触覚を与える。
チャット対話における感情は著しく注目されているが、タスク指向対話における感情は、失敗や成功のシグナルなど、同様に重要な役割を持つにもかかわらず、ほとんど見過ごされている。
既存の感情アノテーション付きタスク指向コーパスはサイズ、ラベルのリッチさ、パブリック可用性に制限があり、ダウンストリームタスクのボトルネックとなる。
タスク指向対話における感情研究の基礎を築くために,タスク指向対話の大規模手動感情注釈コーパスであるEmoWOZを紹介する。
EmoWOZはマルチドメインタスク指向対話データセットであるMultiWOZに基づいている。
ユーザ発話の83k以上の感情アノテーションを備えた1k以上の対話を含む。
MultiWOZのWizzard-of-Ozダイアログに加えて、同一ドメイン内の人間と機械の対話を収集し、データ駆動ダイアログシステムの生存中に起こりうる様々な感情の空間を十分にカバーする。
私たちの知る限りでは、この種の大規模なオープンソースコーパスはこれが初めてです。
本稿では,タスク指向対話に適した新しい感情ラベル方式を提案する。
本稿では,タスク指向対話における感情認識と状態追跡のためのコーパスの有用性を示す実験結果について報告する。
関連論文リスト
- Infusing Emotions into Task-oriented Dialogue Systems: Understanding, Management, and Generation [6.377334634656281]
感情は人間のコミュニケーションには不可欠であるが、タスク指向対話(ToD)モデリングでは見過ごされがちである。
本研究では,完全なToD処理ループに感情を組み込み,理解,管理,生成を行う。
提案手法がユーザの感情経験とタスク成功を著しく向上させることを示す。
論文 参考訳（メタデータ） (2024-08-05T12:21:04Z) - Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。
EDENは感情と原因を明確な考え方で認識する。
大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
論文 参考訳（メタデータ） (2024-06-07T08:58:29Z) - 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) - 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) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳（メタデータ） (2023-09-13T12:58:09Z) - Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation [16.659457455269127]
感情対話生成のための2段階対話エージェントを提案する。
まず,感情アノテートされた対話コーパスを使わずに訓練された対話モデルを用いて,文脈意味に合致するプロトタイプ応答を生成する。
第二に、第一段階のプロトタイプは共感仮説で制御可能な感情精錬器によって修正される。
論文 参考訳（メタデータ） (2023-01-12T10:03:56Z) - CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset
for Conversational AI [48.67259855309959]
会話型AIのための既存のデータセットのほとんどは、人間の個性や感情を無視している。
CPEDは,中国における大規模パーソナライズされた感情対話データセットである。
CPEDには40のテレビ番組から392人の話者の12K以上の対話が含まれている。
論文 参考訳（メタデータ） (2022-05-29T17:45:12Z) - EmoInHindi: A Multi-label Emotion and Intensity Annotated Dataset in
Hindi for Emotion Recognition in Dialogues [44.79509115642278]
我々はHindiにEmoInHindiという大きな会話データセットを作成し、会話におけるマルチラベルの感情と強度の認識を可能にした。
我々は、精神保健と犯罪被害者の法的カウンセリングのために、ウィザード・オブ・オズの方法でデータセットを作成します。
論文 参考訳（メタデータ） (2022-05-27T11:23:50Z) - Generating Empathetic Responses with a Large Scale Dialog Dataset [0.76146285961466]
既存のモデルは、応答生成を導くために事前に定義された感情情報を直接組み込むか、応答感情を決定する決定論的ルールを使用する。
6000以上の人的評価インスタンスのベースラインと比較して,マルチターン共感ダイアログモデルの構築方法を示す。
論文 参考訳（メタデータ） (2021-05-14T13:45:40Z)
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。