論文の概要: Emotion Recognition in Conversation using Probabilistic Soft Logic
- arxiv url: http://arxiv.org/abs/2207.07238v1
- Date: Thu, 14 Jul 2022 23:59:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-18 13:18:15.272758
- Title: Emotion Recognition in Conversation using Probabilistic Soft Logic
- Title（参考訳）: 確率的ソフト論理を用いた会話における感情認識
- Authors: Eriq Augustine, Pegah Jandaghi, Alon Albalak, Connor Pryor, Charles
Dickens, William Wang, Lise Getoor
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 17.62924003652853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Creating agents that can both appropriately respond to conversations and
understand complex human linguistic tendencies and social cues has been a long
standing challenge in the NLP community. A recent pillar of research revolves
around emotion recognition in conversation (ERC); a sub-field of emotion
recognition that focuses on conversations or dialogues that contain two or more
utterances. In this work, we explore an approach to ERC that exploits the use
of neural embeddings along with complex structures in dialogues. We implement
our approach in a framework called Probabilistic Soft Logic (PSL), a
declarative templating language that uses first-order like logical rules, that
when combined with data, define a particular class of graphical model.
Additionally, PSL provides functionality for the incorporation of results from
neural models into PSL models. This allows our model to take advantage of
advanced neural methods, such as sentence embeddings, and logical reasoning
over the structure of a dialogue. We compare our method with state-of-the-art
purely neural ERC systems, and see almost a 20% improvement. With these
results, we provide an extensive qualitative and quantitative analysis over the
DailyDialog conversation dataset.
- Abstract（参考訳）: 会話に適切に反応し、複雑な人間の言語傾向や社会的手がかりを理解するエージェントを作成することは、NLPコミュニティにおいて長年の課題であった。
最近の研究の柱は、会話における感情認識(ERC)、すなわち2つ以上の発話を含む会話や対話に焦点を当てた感情認識のサブフィールドである。
本研究では,対話における複雑な構造とともに,神経組込みを利用するercへのアプローチを検討する。
確率的ソフト論理(PSL, Probabilistic Soft Logic)と呼ばれる,論理規則のような一階述語を用いた宣言的テンプレート言語で,データと組み合わせることで,特定のグラフィカルモデルのクラスを定義する。
さらに、pslは、神経モデルからpslモデルに結果を組み込むための機能を提供する。
これにより,文の埋め込みや対話構造に対する論理的推論といった,高度なニューラルネットワーク手法を活用できる。
本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,20%近く改善した。
これらの結果から,DailyDialog会話データセットの質的,定量的な分析を行う。
関連論文リスト
- Retrieval-Augmented Neural Response Generation Using Logical Reasoning
and Relevance Scoring [2.3590037806133024]
本稿では,知識基底型応答生成に対する新しいアプローチを提案する。
検索強化された言語モデルと論理的推論を組み合わせる。
実験結果から,(確率的)論理的推論と会話関連性スコアの組合せは,応答の事実性と流布性の両方を増大させることが示された。
論文 参考訳（メタデータ） (2023-10-20T15:05:18Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳（メタデータ） (2023-06-15T10:41:23Z) - PK-Chat: Pointer Network Guided Knowledge Driven Generative Dialogue
Model [79.64376762489164]
PK-Chatは、知識グラフ上のポインタネットワークと、事前訓練された言語モデルを組み合わせた、ポインタネットワーク誘導生成対話モデルである。
PK-Chatが対話で生成した単語は、単語リストの予測と外部知識グラフ知識の直接予測から導かれる。
PK-Chatに基づく対話システムは、地球科学の学術シナリオ向けに構築されている。
論文 参考訳（メタデータ） (2023-04-02T18:23:13Z) - Improve Retrieval-based Dialogue System via Syntax-Informed Attention [46.79601705850277]
文内構文情報と文間構文情報の両方を考慮したSIA, Syntax-Informed Attentionを提案する。
提案手法を広範に使用した3つのベンチマークで評価し,対話応答選択における本手法の一般的な優位性を示す実験結果を得た。
論文 参考訳（メタデータ） (2023-03-12T08:14:16Z) - A survey of neural models for the automatic analysis of conversation:
Towards a better integration of the social sciences [3.2123668211020773]
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。
論文 参考訳（メタデータ） (2022-03-31T08:59:54Z) - Every time I fire a conversational designer, the performance of the
dialog system goes down [0.07696728525672149]
本稿では,会話設計者のドメイン知識の明示的利用が,ニューラルベース対話システムの性能に与える影響について検討する。
半論理規則で明示的な知識を符号化した対話型論理帰納型ニューラルネットシステム(CLINN)を提案する。
論文 参考訳（メタデータ） (2021-09-27T13:05:31Z) - CogAlign: Learning to Align Textual Neural Representations to Cognitive
Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。
我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文 参考訳（メタデータ） (2021-06-10T07:10:25Z) - Semantic Representation for Dialogue Modeling [22.80679759491184]
対話モデリングを支援するために抽象的意味表現(AMR)を利用する。
テキスト入力と比較すると、AMRはコアセマンティック知識を明示的に提供します。
我々は初めて、形式的な意味表現をニューラルダイアログモデリングに活用する。
論文 参考訳（メタデータ） (2021-05-21T07:55:07Z) - Discovering Dialog Structure Graph for Open-Domain Dialog Generation [51.29286279366361]
chitchat corporaの対話構造を無監督で発見します。
次に、下流システムでのダイアログ生成を容易にするために利用します。
本稿では,グラフニューラルネットワーク(DVAE-GNN)を用いた離散変分自動エンコーダを提案する。
論文 参考訳（メタデータ） (2020-12-31T10:58:37Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z) - 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。