論文の概要: Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation

• arxiv url: http://arxiv.org/abs/2204.10509v1
• Date: Fri, 22 Apr 2022 05:32:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-25 13:21:02.491154
• Title: Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation
• Title（参考訳）: ポジティブ感情誘発を伴う多ターン共感対話に向けて
• Authors: Shihang Wang, Xinchao Xu, Wenquan Wu, Zheng-Yu Niu, Hua Wu, Haifeng Wang
• Abstract要約: 本稿では,肯定的な感情誘発を伴う共感的対話生成の課題について述べる。 エージェントは、マルチターンダイアログにおいて、ユーザのポジティブ感情を引き出すターゲットとともに共感応答を行う。 我々はPosEmoDialと呼ばれる肯定的な感情誘発を伴う大規模感情対話データセットを収集する。
• 参考スコア（独自算出の注目度）: 39.747587984500406
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional support is a crucial skill for many real-world scenarios, including caring for the elderly, mental health support, and customer service chats. This paper presents a novel task of empathetic dialog generation with positive emotion elicitation to promote users' positive emotions, similar to that of emotional support between humans. In this task, the agent conducts empathetic responses along with the target of eliciting the user's positive emotions in the multi-turn dialog. To facilitate the study of this task, we collect a large-scale emotional dialog dataset with positive emotion elicitation, called PosEmoDial (about 820k dialogs, 3M utterances). In these dialogs, the agent tries to guide the user from any possible initial emotional state, e.g., sadness, to a positive emotional state. Then we present a positive-emotion-guided dialog generation model with a novel loss function design. This loss function encourages the dialog model to not only elicit positive emotions from users but also ensure smooth emotional transitions along with the whole dialog. Finally, we establish benchmark results on PosEmoDial, and we will release this dataset and related source code to facilitate future studies.
• Abstract（参考訳）: 高齢者のケア、メンタルヘルスサポート、カスタマーサービスチャットなど、多くの現実世界のシナリオにおいて、感情的サポートは重要なスキルである。 本稿では,ユーザのポジティブな感情を促進するために,ポジティブな感情誘発を伴う共感的対話生成という新しい課題について述べる。 このタスクでは、エージェントは、マルチターンダイアログにおけるユーザのポジティブな感情を誘発するターゲットと共に共感反応を行う。 本研究では,PosEmoDial(約820kの対話,約3Mの発話)と呼ばれる,肯定的な感情誘発を伴う大規模感情対話データセットを収集する。 これらのダイアログでは、エージェントはユーザを、例えば悲しみのような最初の感情状態からポジティブな感情状態へと誘導しようとする。 次に,新しい損失関数設計を用いたポジティブ感情誘導対話生成モデルを提案する。 この損失関数は、ユーザからのポジティブな感情を導き出すだけでなく、ダイアログ全体のスムーズな感情遷移を確実にするダイアログモデルを促進する。 最後に、PosEmoDial上でベンチマーク結果を確立し、このデータセットと関連するソースコードを公開して将来の研究を促進する。

関連論文リスト

• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。 本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。 その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation [16.659457455269127]
  感情対話生成のための2段階対話エージェントを提案する。 まず,感情アノテートされた対話コーパスを使わずに訓練された対話モデルを用いて,文脈意味に合致するプロトタイプ応答を生成する。 第二に、第一段階のプロトタイプは共感仮説で制御可能な感情精錬器によって修正される。
  論文  参考訳（メタデータ） (2023-01-12T10:03:56Z)
• Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection [47.60224978460442]
  情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。 我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
  論文  参考訳（メタデータ） (2022-10-21T03:51:18Z)
• Chat-Capsule: A Hierarchical Capsule for Dialog-level Emotion Analysis [70.98130990040228]
  本稿では,発話レベルと対話レベルの両方の感情とその相互関係をモデル化したコンテキストベースの階層的注意カプセル(Chat-Capsule)モデルを提案する。 Eコマースプラットフォームの顧客サポートから収集したダイアログデータセットでは,ユーザの満足度や感情曲線のカテゴリも予測できる。
  論文  参考訳（メタデータ） (2022-03-23T08:04:30Z)
• Automatically Select Emotion for Response via Personality-affected Emotion Transition [0.0]
  ダイアログシステムは、人間のような反応に対する適切な感情を自動的に選択できるべきです。 既存のほとんどの研究は、特定の感情を反応のレンダリングやユーザーの感情に共感的に反応させることに重点を置いているが、感情表現の個人差は見過ごされている。 対話システムに人格を付与し、会話中の人間の感情遷移をシミュレートすることで、応答中の感情を自動的に選択できるようにする。
  論文  参考訳（メタデータ） (2021-06-30T07:00:42Z)
• 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)
• Emotion Eliciting Machine: Emotion Eliciting Conversation Generation based on Dual Generator [18.711852474600143]
  ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。 この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。 EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
  論文  参考訳（メタデータ） (2021-05-18T03:19:25Z)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。