論文の概要: Modeling Intention, Emotion and External World in Dialogue Systems
- arxiv url: http://arxiv.org/abs/2202.06476v1
- Date: Mon, 14 Feb 2022 04:10:34 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-15 14:13:41.889387
- Title: Modeling Intention, Emotion and External World in Dialogue Systems
- Title（参考訳）: 対話システムにおける意図・感情・外界のモデル化
- Authors: Wei Peng, Yue Hu, Luxi Xing, Yuqiang Xie, Xingsheng Zhang, Yajing Sun
- Abstract要約: 本稿では,相互関係を協調的にモデル化し,歴史的意図情報を明示的に統合するRelAtion Interaction Network(RAIN)を提案する。
データセットの実験により、我々のモデルは個人間の意図、感情、行動を完全に活用できることが示された。
- 参考スコア（独自算出の注目度）: 14.724751780218297
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Intention, emotion and action are important elements in human activities.
Modeling the interaction process between individuals by analyzing the
relationships between these elements is a challenging task. However, previous
work mainly focused on modeling intention and emotion independently, and
neglected of exploring the mutual relationships between intention and emotion.
In this paper, we propose a RelAtion Interaction Network (RAIN), consisting of
Intention Relation Module and Emotion Relation Module, to jointly model mutual
relationships and explicitly integrate historical intention information. The
experiments on the dataset show that our model can take full advantage of the
intention, emotion and action between individuals and achieve a remarkable
improvement over BERT-style baselines. Qualitative analysis verifies the
importance of the mutual interaction between the intention and emotion.
- Abstract（参考訳）: 意図、感情、行動は人間の活動において重要な要素である。
これらの要素間の関係を分析して個人間の相互作用プロセスをモデル化するのは難しい作業です。
しかし、以前の研究は主に意図と感情を個別にモデル化することに集中し、意図と感情の相互関係を探求することを無視した。
本稿では,意図関係モジュールと感情関係モジュールからなる関係相互作用ネットワーク(rain)を提案し,相互関係をモデル化し,歴史的意図情報を明示的に統合する。
データセットを用いた実験により,本モデルは個人間の意図,感情,行動のフル活用が可能であり,BERTスタイルのベースラインよりも顕著な改善が得られた。
質的分析は、意図と感情の相互相互作用の重要性を検証する。
関連論文リスト
- Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。
本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
論文 参考訳（メタデータ） (2024-10-15T07:35:51Z) - THOR: Text to Human-Object Interaction Diffusion via Relation Intervention [51.02435289160616]
我々は、リレーショナルインターベンション(THOR)を用いたテキスト誘導型ヒューマンオブジェクト相互作用拡散モデルを提案する。
各拡散段階において、テキスト誘導された人間と物体の動きを開始し、その後、人と物体の関係を利用して物体の動きに介入する。
テキスト記述をシームレスに統合するText2HOIデータセットであるText-BEHAVEを,現在最大規模で公開されている3D HOIデータセットに構築する。
論文 参考訳（メタデータ） (2024-03-17T13:17:25Z) - LEMON: Learning 3D Human-Object Interaction Relation from 2D Images [56.6123961391372]
人間の物体と物体の相互作用関係の学習は、AIと相互作用モデリングの具体化に不可欠である。
既存のほとんどの手法は、孤立した相互作用要素を予測することを学ぶことで目標に近づいている。
本稿では,相互の相互作用意図をマイニングし,幾何相関の抽出を導出するための曲率を用いた統一モデルLEMONを提案する。
論文 参考訳（メタデータ） (2023-12-14T14:10:57Z) - 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) - HIINT: Historical, Intra- and Inter- personal Dynamics Modeling with
Cross-person Memory Transformer [38.92436852096451]
クロスパーソンメモリトランスフォーマー(CPM-T)フレームワークは、感情力学を明示的にモデル化することができる。
CPM-Tフレームワークはメモリモジュールを維持し、会話ウィンドウ内のコンテキストを保存および更新する。
共同作業,ラップポート,人的信念予測の3つの公開データセットに対して,提案手法の有効性と一般化性を評価する。
論文 参考訳（メタデータ） (2023-05-21T06:43:35Z) - COMMA: Modeling Relationship among Motivations, Emotions and Actions in
Language-based Human Activities [12.206523349060179]
動機、感情、行動は、人間の活動において相互に関係する重要な要素である。
本稿では,言語に基づく人間活動におけるモチベーション,感情,行動のモデル化の可能性について検討する。
論文 参考訳（メタデータ） (2022-09-14T07:54:20Z) - CogIntAc: Modeling the Relationships between Intention, Emotion and
Action in Interactive Process from Cognitive Perspective [15.797390372732973]
個人間相互作用の新たな認知枠組みを提案する。
フレームワークの中核は、個人が内的意図によって駆動される外部行動を通じて相互作用を達成することである。
論文 参考訳（メタデータ） (2022-05-07T03:54:51Z) - TSAM: A Two-Stream Attention Model for Causal Emotion Entailment [50.07800752967995]
CEE(Causal Emotion Entailment)は、会話の発話において感情の背後にある潜在的な原因を発見することを目的としている。
我々は,グローバルビューにおける発話間の相関を捉えるために,複数の発話を同期的に分類する。
対話履歴における話者の感情的影響を効果的にモデル化する2ストリーム注意モデル(TSAM)を提案する。
論文 参考訳（メタデータ） (2022-03-02T02:11:41Z) - Dynamic Modeling of Hand-Object Interactions via Tactile Sensing [133.52375730875696]
本研究では,高分解能な触覚グローブを用いて,多種多様な物体に対して4種類のインタラクティブな動作を行う。
我々は,クロスモーダル学習フレームワーク上にモデルを構築し,視覚処理パイプラインを用いてラベルを生成し,触覚モデルを監督する。
この研究は、高密度触覚センシングによる手動物体相互作用における動的モデリングの一歩を踏み出す。
論文 参考訳（メタデータ） (2021-09-09T16:04:14Z)
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。