論文の概要: Speaker and Time-aware Joint Contextual Learning for Dialogue-act
Classification in Counselling Conversations
- arxiv url: http://arxiv.org/abs/2111.06647v1
- Date: Fri, 12 Nov 2021 10:30:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-15 20:27:56.310894
- Title: Speaker and Time-aware Joint Contextual Learning for Dialogue-act
Classification in Counselling Conversations
- Title（参考訳）: 対話行動分類のための話者と時間を考慮した共同文脈学習
- Authors: Ganeshan Malhotra, Abdul Waheed, Aseem Srivastava, Md Shad Akhtar,
Tanmoy Chakraborty
- Abstract要約: 我々は、カウンセリング会話における対話行動分類のためのプラットフォームを提供するために、HOPEと呼ばれる新しいデータセットを開発した。
私たちは、YouTubeで公開されているカウンセリングセッションビデオから12.9Kの発話を収集し、それらの転写文を抽出し、DACラベルで注釈付けします。
対話行動分類のための新しい話者認識型・時間認識型文脈学習システムであるSPARTAを提案する。
- 参考スコア（独自算出の注目度）: 15.230185998553159
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The onset of the COVID-19 pandemic has brought the mental health of people
under risk. Social counselling has gained remarkable significance in this
environment. Unlike general goal-oriented dialogues, a conversation between a
patient and a therapist is considerably implicit, though the objective of the
conversation is quite apparent. In such a case, understanding the intent of the
patient is imperative in providing effective counselling in therapy sessions,
and the same applies to a dialogue system as well. In this work, we take
forward a small but an important step in the development of an automated
dialogue system for mental-health counselling. We develop a novel dataset,
named HOPE, to provide a platform for the dialogue-act classification in
counselling conversations. We identify the requirement of such conversation and
propose twelve domain-specific dialogue-act (DAC) labels. We collect 12.9K
utterances from publicly-available counselling session videos on YouTube,
extract their transcripts, clean, and annotate them with DAC labels. Further,
we propose SPARTA, a transformer-based architecture with a novel speaker- and
time-aware contextual learning for the dialogue-act classification. Our
evaluation shows convincing performance over several baselines, achieving
state-of-the-art on HOPE. We also supplement our experiments with extensive
empirical and qualitative analyses of SPARTA.
- Abstract（参考訳）: 新型コロナウイルス(covid-19)パンデミックの勃発により、人々のメンタルヘルスが危険にさらされている。
この環境において社会的カウンセリングは著しく重要である。
一般的な目標指向の対話とは異なり、患者とセラピストの会話はかなり暗黙的であるが、会話の目的はかなり明らかである。
この場合、患者の意図を理解することは、治療セッションにおいて効果的なカウンセリングを提供する上で必須であり、対話システムにも適用される。
本稿では,メンタルヘルスカウンセリングのための自動対話システムの開発において,小さいが重要な一歩を踏み出す。
我々は,カウンセリング会話における対話行為分類のためのプラットフォームとして,hopeという新しいデータセットを開発した。
このような会話の要件を特定し,ドメイン固有対話(DAC)ラベルを12種類提案する。
私たちは、YouTubeで公開されているカウンセリングセッションビデオから12.9Kの発話を収集し、それらの転写文を抽出し、DACラベルで注釈付けします。
さらに,対話行動分類のための新しい話者認識型・時間認識型文脈学習システムであるSPARTAを提案する。
本評価は,複数のベースライン上での説得力のある性能を示し,HOPEの最先端化を実現している。
また,実験をSPARTAの広範な経験的,定性的な分析で補完する。
関連論文リスト
- Structured Dialogue System for Mental Health: An LLM Chatbot Leveraging the PM+ Guidelines [23.230484270460877]
SuDoSysは、心理学的カウンセリングを提供するために設計された、ステージ対応マルチターン対話システムである。
このシステムはカウンセリングプロセスを通じて重要な情報を格納し、コヒーレントで指示された会話を確実にする。
客観的評価と主観評価の両方を用いて評価すると、SuDoSysは論理的に一貫性のある応答を生成する効果を示す。
論文 参考訳（メタデータ） (2024-11-16T03:12:17Z) - 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) - Data Augmentation of Multi-turn Psychological Dialogue via Knowledge-driven Progressive Thought Prompting [46.919537239016734]
大規模言語モデル(LLM)はマルチターン対話の実装を単純化した。
心理的対話のような低リソース領域で満足なパフォーマンスを実現することは依然として困難です。
心理学的対話を生成するための LLM 指導のための知識駆動型進歩的思考促進手法を提案する。
論文 参考訳（メタデータ） (2024-06-24T12:02:56Z) - Context Does Matter: Implications for Crowdsourced Evaluation Labels in Task-Oriented Dialogue Systems [57.16442740983528]
クラウドソースラベルは、タスク指向の対話システムを評価する上で重要な役割を果たす。
従来の研究では、アノテーションプロセスで対話コンテキストの一部だけを使用することが提案されている。
本研究では,対話文脈がアノテーション品質に及ぼす影響について検討する。
論文 参考訳（メタデータ） (2024-04-15T17:56:39Z) - Can Large Language Models be Used to Provide Psychological Counselling?
An Analysis of GPT-4-Generated Responses Using Role-play Dialogues [0.0]
メンタルヘルスは現代社会にとってますます深刻な課題となっている。
本研究は、専門家カウンセラーを含むロールプレイングシナリオを通じてカウンセリング対話データを収集した。
第三者カウンセラーは、ヒトカウンセラーとGPT-4で生成されたカウンセラーからの反応の適切性を評価した。
論文 参考訳（メタデータ） (2024-02-20T06:05:36Z) - Response-act Guided Reinforced Dialogue Generation for Mental Health
Counseling [25.524804770124145]
本稿では、メンタルヘルスカウンセリング会話のための対話行動誘導応答生成器READERについて述べる。
READERは変換器上に構築されており、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。
ベンチマークカウンセリング会話データセットであるHOPE上でREADERを評価する。
論文 参考訳（メタデータ） (2023-01-30T08:53:35Z) - Is this Dialogue Coherent? Learning from Dialogue Acts and Entities [82.44143808977209]
スイッチボード・コヒーレンス・コーパス(SWBD-Coh)コーパス(Switchboard Coherence corpus,SWBD-Coh)を作成する。
コーパスの統計的分析は、ターンコヒーレンス知覚がエンティティの分布パターンによってどのように影響を受けるかを示している。
DA情報とエンティティ情報を組み合わせたモデルでは,応答選択とターンコヒーレンス評価の両面で最高の性能が得られることがわかった。
論文 参考訳（メタデータ） (2020-06-17T21:02:40Z) - Contextual Dialogue Act Classification for Open-Domain Conversational
Agents [10.576497782941697]
会話におけるユーザ発話の一般的な意図を分類することは、会話エージェントのための自然言語理解(NLU)の重要なステップである。
本稿では,文脈対話行為分類のための簡易かつ効果的な深層学習手法であるCDAC(Contextual Dialogue Act)を提案する。
我々は、人-機械対話における対話行動を予測するために、トランスファーラーニングを用いて人間-機械対話で訓練されたモデルを適用する。
論文 参考訳（メタデータ） (2020-05-28T06:48:10Z) - 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) - Attention over Parameters for Dialogue Systems [69.48852519856331]
我々は,異なる対話スキルを個別にパラメータ化する対話システムを学び,AoP(Attention over Parameters)を通じてそれぞれを選択し,組み合わせることを学ぶ。
実験の結果,MultiWOZ,In-Car Assistant,Persona-Chatの複合データセット上での競合性能が得られた。
論文 参考訳（メタデータ） (2020-01-07T03:10:42Z)
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。