論文の概要: A Unified Framework for Emotion Identification and Generation in Dialogues

• arxiv url: http://arxiv.org/abs/2205.15513v1
• Date: Tue, 31 May 2022 02:58:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-02 03:20:18.082920
• Title: A Unified Framework for Emotion Identification and Generation in Dialogues
• Title（参考訳）: 対話における感情識別と生成の統一的枠組み
• Authors: Avinash Madasu, Mauajama Firdaus, Asif Eqbal
• Abstract要約: 本稿では,対話の感情を協調的に識別し,その感情に応じて応答を生成するマルチタスクフレームワークを提案する。 本研究では,BERTをベースとしたネットワークを用いて共感システムを構築し,エンド・ツー・エンドのネットワークを分類と生成損失の両方で訓練する混合目的関数を用いる。
• 参考スコア（独自算出の注目度）: 5.102770724328495
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Social chatbots have gained immense popularity, and their appeal lies not just in their capacity to respond to the diverse requests from users, but also in the ability to develop an emotional connection with users. To further develop and promote social chatbots, we need to concentrate on increasing user interaction and take into account both the intellectual and emotional quotient in the conversational agents. In this paper, we propose a multi-task framework that jointly identifies the emotion of a given dialogue and generates response in accordance to the identified emotion. We employ a BERT based network for creating an empathetic system and use a mixed objective function that trains the end-to-end network with both the classification and generation loss. Experimental results show that our proposed framework outperforms current state-of-the-art models
• Abstract（参考訳）: ソーシャルチャットボットは大いに人気を集めており、その魅力はユーザーからの多様なリクエストに対応する能力だけでなく、ユーザーとの感情的なつながりを発達させる能力にある。 ソーシャルチャットボットをさらに発展させ、普及させるためには、ユーザーインタラクションの増加に集中し、会話エージェントの知的および感情的商の両方を考慮する必要がある。 本稿では,与えられた対話の感情を協調的に識別し,その感情に応じて応答を生成するマルチタスクフレームワークを提案する。 BERTをベースとしたネットワークを用いて共感システムを構築し、分類と生成損失の両方でエンドツーエンドネットワークを訓練する混合目的関数を用いる。 実験結果から,提案フレームワークが現在の最先端モデルを上回ることが示された。

関連論文リスト

• Infusing Emotions into Task-oriented Dialogue Systems: Understanding, Management, and Generation [6.377334634656281]
  感情は人間のコミュニケーションには不可欠であるが、タスク指向対話(ToD)モデリングでは見過ごされがちである。 本研究では,完全なToD処理ループに感情を組み込み,理解,管理,生成を行う。 提案手法がユーザの感情経験とタスク成功を著しく向上させることを示す。
  論文  参考訳（メタデータ） (2024-08-05T12:21:04Z)
• 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)
• 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)
• Empathetic Response Generation with State Management [32.421924357260075]
  共感的反応生成の目標は、会話における感情を知覚し表現する対話システムの能力を高めることである。 感情や意図を含む複数の状態情報を同時に考察できる新しい共感応答生成モデルを提案する。 実験の結果、異なる情報を動的に管理することは、モデルがより共感的な反応を生成するのに役立つことが示された。
  論文  参考訳（メタデータ） (2022-05-07T16:17:28Z)
• Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation [39.747587984500406]
  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。
  論文  参考訳（メタデータ） (2022-04-22T05:32:08Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• 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 Dynamics Modeling via BERT [7.3785751096660555]
  対話型感情ダイナミクスのインターロケータ間およびインターロケータ間依存性をキャプチャするBERTベースの一連のモデルを開発する。 提案したモデルはそれぞれ,最先端のベースラインよりも約5%,10%改善できる。
  論文  参考訳（メタデータ） (2021-04-15T05:58:48Z)
• Infusing Multi-Source Knowledge with Heterogeneous Graph Neural Network for Emotional Conversation Generation [25.808037796936766]
  実世界の会話では,マルチソース情報から感情を直感的に知覚する。 感情的会話生成のための異種グラフモデルを提案する。 実験結果は,本モデルがマルチソース知識から感情を効果的に知覚できることを示した。
  論文  参考訳（メタデータ） (2020-12-09T06:09:31Z)
• 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)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。