論文の概要: A survey of neural models for the automatic analysis of conversation:
Towards a better integration of the social sciences
- arxiv url: http://arxiv.org/abs/2203.16891v1
- Date: Thu, 31 Mar 2022 08:59:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-01 13:24:36.730780
- Title: A survey of neural models for the automatic analysis of conversation:
Towards a better integration of the social sciences
- Title（参考訳）: 会話の自動分析のためのニューラルモデルの調査:社会科学のより良い統合を目指して
- Authors: Chlo\'e Clavel and Matthieu Labeau and Justine Cassell
- Abstract要約: 会話の分析のためのニューラルアーキテクチャに対する新しいアプローチが、ここ数年で導入されている。
これには、感情、対話行動、感情極性を検出する神経アーキテクチャが含まれる。
アーキテクチャ自体は非常に有望ですが、これまで適用されてきた現象は、会話を活発にする部分の一部に過ぎないのです。
- 参考スコア（独自算出の注目度）: 3.2123668211020773
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Some exciting new approaches to neural architectures for the analysis of
conversation have been introduced over the past couple of years. These include
neural architectures for detecting emotion, dialogue acts, and sentiment
polarity. They take advantage of some of the key attributes of contemporary
machine learning, such as recurrent neural networks with attention mechanisms
and transformer-based approaches. However, while the architectures themselves
are extremely promising, the phenomena they have been applied to to date are
but a small part of what makes conversation engaging. In this paper we survey
these neural architectures and what they have been applied to. On the basis of
the social science literature, we then describe what we believe to be the most
fundamental and definitional feature of conversation, which is its
co-construction over time by two or more interlocutors. We discuss how neural
architectures of the sort surveyed could profitably be applied to these more
fundamental aspects of conversation, and what this buys us in terms of a better
analysis of conversation and even, in the longer term, a better way of
generating conversation for a conversational system.
- Abstract（参考訳）: 会話の分析のための神経アーキテクチャに対するエキサイティングな新しいアプローチが、ここ数年で導入されている。
これには、感情、対話行動、感情極性を検出する神経アーキテクチャが含まれる。
彼らは、注意機構を備えたリカレントニューラルネットワークやトランスフォーマーベースのアプローチなど、現代の機械学習の重要な属性のいくつかを活用する。
しかし、アーキテクチャ自体は非常に有望であるが、それらがこれまで適用されてきた現象は、会話を活発にする部分に過ぎない。
本稿では,これらのニューラルアーキテクチャとその適用状況について検討する。
社会科学の文献に基づいて、会話の最も基本的で決定的な特徴であると考えられるものを記述し、それは2つ以上のインターロケータによる時間的共同構築である。
調査対象のニューラルアーキテクチャーが、これらの会話のより基本的な側面にどのように利益をもたらすか、また、会話のより良い分析や、長期的には会話システムのための会話を生成するより良い方法の観点から、何を買うかについて論じる。
関連論文リスト
- WavChat: A Survey of Spoken Dialogue Models [66.82775211793547]
GPT-4oのようなシステムで実証された音声対話モデルの最近の進歩は、音声領域において大きな注目を集めている。
これらの高度な音声対話モデルは、音声、音楽、その他の音声関連の特徴を理解するだけでなく、音声のスタイリスティックな特徴や音節的な特徴も捉える。
音声対話システムの進歩にもかかわらず、これらのシステムを体系的に組織化し分析する包括的調査が欠如している。
論文 参考訳（メタデータ） (2024-11-15T04:16:45Z) - A Neuro-mimetic Realization of the Common Model of Cognition via Hebbian
Learning and Free Energy Minimization [55.11642177631929]
大規模なニューラル生成モデルは、意味的に豊富なテキストのパスを合成したり、複雑な画像を生成することができる。
我々はコモン・モデル・オブ・コグニティブ・ニューラル・ジェネレーティブ・システムについて論じる。
論文 参考訳（メタデータ） (2023-10-14T23:28:48Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳（メタデータ） (2022-07-20T13:37:57Z) - Emotion Recognition in Conversation using Probabilistic Soft Logic [17.62924003652853]
会話における感情認識(英: emotion recognition in conversation、ERC)とは、2つ以上の発話を含む会話に焦点を当てた感情認識のサブフィールドである。
我々は,宣言的テンプレート言語である確率的ソフト論理(PSL)にアプローチを実装した。
PSLは、ニューラルモデルからPSLモデルへの結果の取り込みのための機能を提供する。
提案手法を最先端の純粋ニューラルネットワークERCシステムと比較した結果,約20%の改善が得られた。
論文 参考訳（メタデータ） (2022-07-14T23:59:06Z) - A Review of Dialogue Systems: From Trained Monkeys to Stochastic Parrots [0.0]
人工知能をデプロイして、人間と会話できる自動対話エージェントを構築することを目指している。
本稿では,長年にわたって対話システムを構築するために開発された手法について概説する。
論文 参考訳（メタデータ） (2021-11-02T08:07:55Z) - Recent Advances in Deep Learning-based Dialogue Systems [12.798560005546262]
我々は主に深層学習に基づく対話システムに注目している。
この調査は、対話システムおよび対話関連タスクの分野で現在最も包括的で最新のものです。
論文 参考訳（メタデータ） (2021-05-10T14:07:49Z) - Retrieval Augmentation Reduces Hallucination in Conversation [49.35235945543833]
知識に基づく対話のためのループ型ニューラルネットワークアーキテクチャの利用を検討する。
我々は,2つの知識に基づく会話タスクにおいて,最高のモデルが最先端のパフォーマンスを得ることを示す。
論文 参考訳（メタデータ） (2021-04-15T16:24:43Z) - Advances in Multi-turn Dialogue Comprehension: A Survey [51.215629336320305]
対話モデリングの観点から,従来の手法を検討した。
対話理解タスクで広く使用されている対話モデリングの3つの典型的なパターンについて議論します。
論文 参考訳（メタデータ） (2021-03-04T15:50:17Z) - Ranking Enhanced Dialogue Generation [77.8321855074999]
対話履歴を効果的に活用する方法は、マルチターン対話生成において重要な問題である。
これまでの研究は通常、歴史をモデル化するために様々なニューラルネットワークアーキテクチャを使用していた。
本稿では,ランキング拡張対話生成フレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-13T01:49:56Z) - BiERU: Bidirectional Emotional Recurrent Unit for Conversational
Sentiment Analysis [18.1320976106637]
会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。
既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。
本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-31T11:13:13Z)
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。