論文の概要: Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional Support Conversation

• arxiv url: http://arxiv.org/abs/2204.12749v1
• Date: Wed, 27 Apr 2022 07:43:29 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-28 13:33:28.040486
• Title: Control Globally, Understand Locally: A Global-to-Local Hierarchical Graph Network for Emotional Support Conversation
• Title（参考訳）: グローバル制御, ローカル理解: 感情支援対話のためのグローバル・ローカル階層グラフネットワーク
• Authors: Wei Peng, Yue Hu, Luxi Xing, Yuqiang Xie, Yajing Sun, Yunpeng Li
• Abstract要約: 本稿では,多元的情報(言語的原因,地域意図,対話履歴)を抽出し,それらの階層関係をモデル化するグローバル・ローカル階層型グラフネットワークを提案する。 グローバルな原因のセマンティック情報を監視するために,新たなトレーニング目標が設計された。 感情支援会話データセットESConvの実験結果から,提案したGLHGが最先端の性能を達成したことが確認された。
• 参考スコア（独自算出の注目度）: 21.659320965072265
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional support conversation aims at reducing the emotional distress of the help-seeker, which is a new and challenging task. It requires the system to explore the cause of help-seeker's emotional distress and understand their psychological intention to provide supportive responses. However, existing methods mainly focus on the sequential contextual information, ignoring the hierarchical relationships with the global cause and local psychological intention behind conversations, thus leads to a weak ability of emotional support. In this paper, we propose a Global-to-Local Hierarchical Graph Network to capture the multi-source information (global cause, local intentions and dialog history) and model hierarchical relationships between them, which consists of a multi-source encoder, a hierarchical graph reasoner, and a global-guide decoder. Furthermore, a novel training objective is designed to monitor semantic information of the global cause. Experimental results on the emotional support conversation dataset, ESConv, confirm that the proposed GLHG has achieved the state-of-the-art performance on the automatic and human evaluations.
• Abstract（参考訳）: 感情支援会話は、新しい挑戦的なタスクであるヘルプシーカーの感情的な苦痛を減らすことを目的としている。 このシステムでは,援助希望者の感情的苦痛の原因を探究し,支援的反応を提供する心理的意図を理解する必要がある。 しかし、既存の方法は主に逐次的文脈情報に注目し、世界的原因との階層的関係や会話の背後にある局所的な心理的意図を無視し、感情的支援の能力が弱くなる。 本稿では,マルチソースエンコーダ,階層グラフ推論器,グローバルガイドデコーダからなる,マルチソース情報(グローバル原因,ローカル意図,ダイアログ履歴)をキャプチャし,それらの間の階層関係をモデル化するグローバル-ローカル階層グラフネットワークを提案する。 さらに,新しい学習目的は,世界的原因の意味情報を監視することにある。 感情支援会話データセットであるESConvの実験結果から,提案したGLHGが,自動評価と人的評価の最先端性能を達成したことが確認された。

関連論文リスト

• Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
  GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。 提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
  論文  参考訳（メタデータ） (2024-06-18T13:35:25Z)
• Conversation Understanding using Relational Temporal Graph Neural Networks with Auxiliary Cross-Modality Interaction [2.1261712640167856]
  感情認識は人間の会話理解にとって重要な課題である。 我々は,CORECT(Cross-Modality Interaction)を用いた入力時間グラフニューラルネットワークを提案する。 CORECTは会話レベルの対話と発話レベルの時間的依存関係を効果的にキャプチャする。
  論文  参考訳（メタデータ） (2023-11-08T07:46:25Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• A framework for the emergence and analysis of language in social learning agents [0.0]
  本研究では,個々の抽象概念と共有抽象概念の形成を分析するための協調エージェント間の通信プロトコルを提案する。 グリッドワールド迷路と強化学習を用いて、教師のANNは、より良いタスク完了のために圧縮メッセージを学生のANNに渡す。 このことは、エージェント間の共通表現としての言語の役割と、その一般化能力への影響を強調している。
  論文  参考訳（メタデータ） (2023-05-04T08:11:01Z)
• RHO ($\rho$): Reducing Hallucination in Open-domain Dialogues with Knowledge Grounding [57.46495388734495]
  本稿では、知識グラフ(KG)からリンクされたエンティティと関係述語を表現したRHO(rho$)を提案する。 本稿では,(1)テキスト埋め込みと対応するKG埋め込みを組み合わせるための局所知識基盤,(2)注目機構を介してRHOにマルチホップ推論能力を持たせるためのグローバル知識基盤を提案する。
  論文  参考訳（メタデータ） (2022-12-03T10:36:34Z)
• COGMEN: COntextualized GNN based Multimodal Emotion recognitioN [15.118690127447751]
  我々は,Contextualized Graph Neural Network based Multimodal Emotion RecognitioN (COGMEN)システムを提案する。 提案モデルはグラフニューラルネットワーク(GNN)に基づくアーキテクチャを用いて,会話における複雑な依存関係(ローカルおよびグローバル情報)をモデル化する。
  論文  参考訳（メタデータ） (2022-05-05T05:54:24Z)
• GreaseLM: Graph REASoning Enhanced Language Models for Question Answering [159.9645181522436]
  GreaseLMは、事前訓練されたLMとグラフニューラルネットワークの符号化された表現を、複数の層にわたるモダリティ相互作用操作で融合する新しいモデルである。 GreaseLMは、状況制約と構造化知識の両方の推論を必要とする問題に、より確実に答えることができる。
  論文  参考訳（メタデータ） (2022-01-21T19:00:05Z)
• Watching You: Global-guided Reciprocal Learning for Video-based Person Re-identification [82.6971648465279]
  映像に基づくRe-IDのための新しいグローバルガイド相互学習フレームワークを提案する。 我々のアプローチは他の最先端のアプローチよりも優れたパフォーマンスを達成できます。
  論文  参考訳（メタデータ） (2021-03-07T12:27:42Z)
• On the Binding Problem in Artificial Neural Networks [12.04468744445707]
  この欠点の根底にある原因は、動的かつ柔軟に情報を結合できないことである。 非構造化感覚入力から有意義な実体を形成するための統一フレームワークを提案する。 我々は,人間レベルの一般化を実現する上で,AIに対する構成的アプローチが基本的重要性であると考えている。
  論文  参考訳（メタデータ） (2020-12-09T18:02:49Z)
• Global Context-Aware Progressive Aggregation Network for Salient Object Detection [117.943116761278]
  我々は,低レベルな外観特徴,高レベルな意味特徴,グローバルな文脈特徴を統合化するための新しいネットワークGCPANetを提案する。 提案手法は, 定量的かつ定性的に, 最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-03-02T04:26:10Z)

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。