論文の概要: MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation

• arxiv url: http://arxiv.org/abs/2203.13560v1
• Date: Fri, 25 Mar 2022 10:32:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-28 20:13:08.690877
• Title: MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation
• Title（参考訳）: MISC:感情支援のためのCOMET統合戦略意識モデル
• Authors: Quan Tu, Yanran Li, Jianwei Cui, Bin Wang, Ji-Rong Wen and Rui Yan
• Abstract要約: 本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 64.37111498077866
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Applying existing methods to emotional support conversation -- which provides valuable assistance to people who are in need -- has two major limitations: (a) they generally employ a conversation-level emotion label, which is too coarse-grained to capture user's instant mental state; (b) most of them focus on expressing empathy in the response(s) rather than gradually reducing user's distress. To address the problems, we propose a novel model \textbf{MISC}, which firstly infers the user's fine-grained emotional status, and then responds skillfully using a mixture of strategy. Experimental results on the benchmark dataset demonstrate the effectiveness of our method and reveal the benefits of fine-grained emotion understanding as well as mixed-up strategy modeling. Our code and data could be found in \url{https://github.com/morecry/MISC}.
• Abstract（参考訳）: 既存の方法を感情支援会話に適用する -- 必要な人に対して貴重な支援を提供する -- には、2つの大きな制限がある。 (a)通常、会話レベルの感情ラベルを用いるが、これはユーザーの瞬間的な精神状態を捉えるには大きすぎる。 b) 利用者の苦悩を緩やかに減らすのではなく,反応に共感を表現することに集中している。 この問題に対処するために,まずユーザの細かな感情状態を推測し,戦略の混合を用いて巧みに反応する,新しいモデルである \textbf{misc} を提案する。 ベンチマークデータセットにおける実験結果は,提案手法の有効性を示し,細粒度感情理解と混合戦略モデリングの利点を明らかにする。 我々のコードとデータは \url{https://github.com/morecry/MISC} にある。

関連論文リスト

• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Towards a Generative Approach for Emotion Detection and Reasoning [0.7366405857677227]
  大規模言語モデルを用いたゼロショット感情検出と感情推論のための新しいアプローチを提案する。 本論文は,テキストに対する感情検出と感情推論の課題に共同で対処するための生成的アプローチを用いた最初の研究である。
  論文  参考訳（メタデータ） (2024-08-09T07:20:15Z)
• APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
  共感反応生成は、他人の感情を理解するように設計されている。 検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。 我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T02:23:37Z)
• ESCoT: Towards Interpretable Emotional Support Dialogue Systems [57.19341456308303]
  これまでの研究は主に、より良い応答を生成することに重点を置いていたが、信頼性の高い対話システムを構築する上で非常に重要である解釈可能性を無視している。 本稿では, 感情支援応答生成手法として, $textbfE$motion-Focused と $textbfS$trategy-Driven を提案する。 また,提案したESCoTの有効性と,生成した対話応答を検証するために,広範囲な実験と人的評価を行った。
  論文  参考訳（メタデータ） (2024-06-16T14:37:17Z)
• EmotionIC: emotional inertia and contagion-driven dependency modeling for emotion recognition in conversation [34.24557248359872]
  本稿では,ERCタスクに対する感情的慣性・伝染型依存性モデリング手法(EmotionIC)を提案する。 EmotionICは3つの主要コンポーネント、すなわちIDマスク付きマルチヘッド注意(IMMHA)、対話型Gated Recurrent Unit(DiaGRU)、Skip-chain Conditional Random Field(SkipCRF)から構成されている。 実験結果から,提案手法は4つのベンチマークデータセットにおいて,最先端のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-20T13:58:35Z)
• Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning [81.79431311952656]
  感情支援のための新しいシステムMultiESCを提案する。 戦略プランニングでは,特定の戦略を使用した後のユーザフィードバックを見積もるルックアヘッドを提案する。 ユーザ状態モデリングにおいて、MultiESCはユーザーの微妙な感情表現を捉え、感情の原因を理解することに重点を置いている。
  論文  参考訳（メタデータ） (2022-10-09T12:23:47Z)
• CEM: Commonsense-aware Empathetic Response Generation [31.956147246779423]
  本稿では,ユーザ状況に関する情報を引き出すために,コモンセンスを利用した共感応答生成手法を提案する。 我々は,共感的応答生成のためのベンチマークデータセットである共感的ダイアログに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-09-13T06:55:14Z)
• 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)

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。