論文の概要: Do You Know My Emotion? Emotion-Aware Strategy Recognition towards a Persuasive Dialogue System

• arxiv url: http://arxiv.org/abs/2206.12101v1
• Date: Fri, 24 Jun 2022 06:24:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-27 13:27:15.641243
• Title: Do You Know My Emotion? Emotion-Aware Strategy Recognition towards a Persuasive Dialogue System
• Title（参考訳）: 私の感情を知っていますか。 説得的対話システムに対する感情認識戦略認識
• Authors: Wei Peng, Yue Hu, Luxi Xing, Yuqiang Xie, and Yajing Sun
• Abstract要約: 説得的戦略認識タスクは、会話に応じて、説得者の採用戦略を認識するようシステムに要求する。 従来の手法は主に文脈情報に焦点を当てており、心理的フィードバック、すなわち説得者の感情を取り入れて戦略を予測することはほとんど知られていない。 本稿では,CFO-Net(Cross- Channel Feedback memOry Network)を提案する。
• 参考スコア（独自算出の注目度）: 14.724751780218297
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Persuasive strategy recognition task requires the system to recognize the adopted strategy of the persuader according to the conversation. However, previous methods mainly focus on the contextual information, little is known about incorporating the psychological feedback, i.e. emotion of the persuadee, to predict the strategy. In this paper, we propose a Cross-channel Feedback memOry Network (CFO-Net) to leverage the emotional feedback to iteratively measure the potential benefits of strategies and incorporate them into the contextual-aware dialogue information. Specifically, CFO-Net designs a feedback memory module, including strategy pool and feedback pool, to obtain emotion-aware strategy representation. The strategy pool aims to store historical strategies and the feedback pool is to obtain updated strategy weight based on feedback emotional information. Furthermore, a cross-channel fusion predictor is developed to make a mutual interaction between the emotion-aware strategy representation and the contextual-aware dialogue information for strategy recognition. Experimental results on \textsc{PersuasionForGood} confirm that the proposed model CFO-Net is effective to improve the performance on M-F1 from 61.74 to 65.41.
• Abstract（参考訳）: 説得的戦略認識タスクは、会話に応じて、説得者の採用戦略を認識するようシステムに要求する。 しかし、従来の手法は主に文脈情報に焦点を当てており、心理的フィードバック、すなわち説得者の感情を取り入れて戦略を予測することはほとんど知られていない。 本稿では,感情フィードバックを利用したクロスチャネルフィードバックメモリネットワーク(cfo-net,cross-channel feedback memory network)を提案する。 具体的には、cfo-netは感情認識戦略表現を得るために、戦略プールとフィードバックプールを含むフィードバックメモリモジュールを設計する。 戦略プールは過去の戦略を格納することを目的としており、フィードバックプールはフィードバックの感情情報に基づいて戦略の重み付けを更新することを目的としている。 さらに、チャネル間融合予測器を開発し、感情認識戦略表現と文脈認識対話情報を相互に相互作用させて戦略認識を行う。 実験の結果,提案モデルであるCFO-NetはM-F1の性能を61.74から65.41に向上させる効果があることが確認された。

関連論文リスト

• Chain-of-Strategy Planning with LLMs: Aligning the Generation of Psychotherapy Dialogue with Strategy in Motivational Interviewing [33.170793571916356]
  本稿では,CoS(Chain-of-Strategy)計画を用いた戦略対応対話生成手法を提案する。 これは、生成されたMI対話と治療戦略を整合させることにより、心理療法における制御可能で説明可能な生成の可能性をもたらす。
  論文  参考訳（メタデータ） (2024-08-12T23:19:02Z)
• LLM as a Mastermind: A Survey of Strategic Reasoning with Large Language Models [75.89014602596673]
  戦略推論は、戦略を調整しながら、マルチエージェント設定における敵の行動を理解し、予測する必要がある。 大規模言語モデルを用いた戦略的推論に関連するスコープ,アプリケーション,方法論,評価指標について検討する。 戦略的推論を重要な認知能力として重要視し、将来の研究の方向性や潜在的な改善に関する洞察を提供する。
  論文  参考訳（メタデータ） (2024-04-01T16:50:54Z)
• Strength Lies in Differences! Improving Strategy Planning for Non-collaborative Dialogues via Diversified User Simulation [69.5677514160986]
  本研究では,多様なユーザとの戦略的対話に携わる非協力的対話エージェントについて検討する。 これは既存の対話エージェントに2つの大きな課題をもたらす。 本稿では,ユーザ認識型戦略計画モジュールと人口ベーストレーニングパラダイムを取り入れた,適切な戦略計画の能力を高めるためのTripを提案する。
  論文  参考訳（メタデータ） (2024-03-11T14:38:16Z)
• Investigating Reinforcement Learning for Communication Strategies in a Task-Initiative Setting [8.680676599607123]
  我々は,ユーザ明確化戦略の関数として,最初のプレゼンテーションとその後のフォローアップのトレードオフを分析する。 我々は、最小限のデータ要求、説明可能な選択、強力な監査機能をもたらす対話戦略の一貫性に基づく表現に対する驚くべき優位性を見出した。
  論文  参考訳（メタデータ） (2023-08-03T00:10:23Z)
• FADO: Feedback-Aware Double COntrolling Network for Emotional Support Conversation [15.739642511241158]
  本稿では、戦略スケジュールを作成し、支援応答を生成するために、フィードバック対応ダブル・カウンタリング・ネットワーク(FADO)を提案する。 ESConvの実験結果から,提案したFADOは,戦略選択と応答生成の両面から最先端の性能を達成した。
  論文  参考訳（メタデータ） (2022-11-01T03:37:30Z)
• 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)
• Persuasion Strategies in Advertisements [68.70313043201882]
  我々は,説得戦略の広範な語彙を導入し,説得戦略を付加した最初の広告画像コーパスを構築した。 次に,マルチモーダル学習による説得戦略予測のタスクを定式化する。 我々は、Fortune-500社の1600件の広告キャンペーンについて、現実世界でケーススタディを実施している。
  論文  参考訳（メタデータ） (2022-08-20T07:33:13Z)
• An Attribute-Aligned Strategy for Learning Speech Representation [57.891727280493015]
  属性選択機構によってこれらの問題に柔軟に対処できる音声表現を導出する属性整合学習戦略を提案する。 具体的には、音声表現を属性依存ノードに分解する層式表現可変オートエンコーダ(LR-VAE)を提案する。 提案手法は,IDのないSER上での競合性能と,無感情SV上でのより良い性能を実現する。
  論文  参考訳（メタデータ） (2021-06-05T06:19:14Z)
• RESPER: Computationally Modelling Resisting Strategies in Persuasive Conversations [0.7505101297221454]
  説得的会話における抵抗戦略を識別するための一般化フレームワークを提案する。 実験では,非協調的目標指向会話におけるパワーロールの非対称性を明らかにする。 また,会話結果に対するさまざまな抵抗戦略の役割についても検討した。
  論文  参考訳（メタデータ） (2021-01-26T03:44:17Z)
• Examining the Ordering of Rhetorical Strategies in Persuasive Requests [58.63432866432461]
  本研究では,大規模ローン要求コーパスからのテキスト要求において,コンテンツと修辞戦略をアンタングル化するために,変分オートエンコーダモデルを用いる。 特定の(順序の)戦略が要求の内容と一意に相互作用し、成功率に影響を与え、その結果、要求の説得力に影響を及ぼす。
  論文  参考訳（メタデータ） (2020-10-09T15:10:44Z)

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。