論文の概要: Extracting and Inferring Personal Attributes from Dialogue
- arxiv url: http://arxiv.org/abs/2109.12702v1
- Date: Sun, 26 Sep 2021 20:51:00 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-28 15:25:07.860838
- Title: Extracting and Inferring Personal Attributes from Dialogue
- Title（参考訳）: 対話からの個人属性の抽出と推定
- Authors: Zhilin Wang, Xuhui Zhou, Rik Koncel-Kedziorski, Alex Marin, Fei Xia
- Abstract要約: 人間の対話から個人属性を抽出・推定するタスクについて紹介する。
まず、社会的なチャット対話モデルに個人属性を組み込むことの利点を実証する。
次にこれらの課題の言語的要求を分析する。
- 参考スコア（独自算出の注目度）: 15.420778940550381
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Personal attributes represent structured information about a person, such as
their hobbies, pets, family, likes and dislikes. In this work, we introduce the
tasks of extracting and inferring personal attributes from human-human
dialogue. We first demonstrate the benefit of incorporating personal attributes
in a social chit-chat dialogue model and task-oriented dialogue setting. Thus
motivated, we propose the tasks of personal attribute extraction and inference,
and then analyze the linguistic demands of these tasks. To meet these
challenges, we introduce a simple and extensible model that combines an
autoregressive language model utilizing constrained attribute generation with a
discriminative reranker. Our model outperforms strong baselines on extracting
personal attributes as well as inferring personal attributes that are not
contained verbatim in utterances and instead requires commonsense reasoning and
lexical inferences, which occur frequently in everyday conversation.
- Abstract（参考訳）: 個人属性は、趣味、ペット、家族、好き嫌い、嫌いといった人に関する構造化情報を表す。
本研究では,人間の対話から個人属性を抽出し,推定するタスクを紹介する。
まず,ソーシャルchit-chat対話モデルとタスク指向対話設定における個人属性の導入の利点を示す。
そこで我々は,個人属性抽出と推論のタスクを提案し,これらのタスクの言語的要求を分析する。
これらの課題を満たすために,制約付き属性生成と識別型リカクタを併用した自己回帰型言語モデルを組み合わせた,単純で拡張可能なモデルを提案する。
本モデルでは,個人属性を抽出する上での強靭なベースラインと,発話中に冗長でない個人属性を推定する上で,日常会話で頻繁に発生する常識推論や語彙推論を必要とする。
関連論文リスト
- Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - The Effects of Embodiment and Personality Expression on Learning in LLM-based Educational Agents [0.7499722271664147]
本研究は,人格表現と体格が,教育的会話エージェントにおける人格認識と学習にどのように影響するかを考察する。
教育アプリケーションに適したLLMベースの会話支援を統合することで、既存のパーソナリティ駆動型会話エージェントフレームワークを拡張した。
1)対話を通して人格を伝達する対話のみのモデル,(2)対話のみで人格を表現するアニメーション人間モデル,(3)対話と身体と顔のアニメーションを通して人格を表現するアニメーション人間モデル,の3つのモデルを評価する。
論文 参考訳（メタデータ） (2024-06-24T09:38:26Z) - Enhancing Personality Recognition in Dialogue by Data Augmentation and
Heterogeneous Conversational Graph Networks [30.33718960981521]
パーソナリティ認識は、ユーザ適応応答をカスタマイズするロボットの能力を高めるのに有用である。
この課題の1つは、既存の対話コーパスにおける話者の限られた数である。
論文 参考訳（メタデータ） (2024-01-11T12:27:33Z) - CharacterGLM: Customizing Chinese Conversational AI Characters with
Large Language Models [66.4382820107453]
本稿では,ChatGLM上に構築されたモデルである characterGLM について紹介する。
我々のキャラクタGLMは文字ベースの対話(CharacterDial)を生成するために設計されており、人間固有の社会的欲求と感情的欲求を満たすための文字カスタマイズを備えた対話型AIシステムを実現することを目的としている。
論文 参考訳（メタデータ） (2023-11-28T14:49:23Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - Enhancing Personalized Dialogue Generation with Contrastive Latent
Variables: Combining Sparse and Dense Persona [16.90863217077699]
既存のパーソナライズされた対話エージェントは、スパースまたは密集したペルソナ記述と対話履歴という3つのリソースからペルソナプロファイルをモデル化する。
3つのリソースの利点を組み合わせて、より豊かで正確なペルソナを得る。
中国語と英語のデータセットに対する実験結果は、パーソナライゼーションにおけるモデルの優位性を示している。
論文 参考訳（メタデータ） (2023-05-19T07:24:27Z) - Speaker Profiling in Multiparty Conversations [31.518453682472575]
本研究では,会話における話者プロファイリング(SPC)の課題について検討する。
SPCの主な目的は、対話に存在する各話者について、ペルソナの特徴の要約を作成することである。
SPCの課題に対処するため、私たちはSPICEという名前の新しいデータセットをキュレートしました。
論文 参考訳（メタデータ） (2023-04-18T08:04:46Z) - Learning to Predict Persona Information forDialogue Personalization
without Explicit Persona Description [10.17868476063421]
対話エージェントをパーソナライズするために,対話履歴に基づいてペルソナ情報を予測する方法を提案する。
PersonaChatデータセットの実験結果から,提案手法は生成した応答の一貫性を向上させることができることがわかった。
トレーニングされたペルソナ予測モデルは、他のデータセットにうまく転送することができ、より関連するレスポンスを生成するのに役立つ。
論文 参考訳（メタデータ） (2021-11-30T03:19:24Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳（メタデータ） (2020-08-31T17:44:28Z) - A Neural Topical Expansion Framework for Unstructured Persona-oriented
Dialogue Generation [52.743311026230714]
Persona Exploration and Exploitation (PEE)は、事前に定義されたユーザペルソナ記述を意味論的に相関したコンテンツで拡張することができる。
PEEはペルソナ探索とペルソナ搾取という2つの主要なモジュールで構成されている。
提案手法は, 自動評価と人的評価の両面で, 最先端のベースラインを上回っている。
論文 参考訳（メタデータ） (2020-02-06T08:24:33Z)
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。