論文の概要: COMMA: Modeling Relationship among Motivations, Emotions and Actions in Language-based Human Activities

• arxiv url: http://arxiv.org/abs/2209.06470v1
• Date: Wed, 14 Sep 2022 07:54:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-15 12:43:38.652953
• Title: COMMA: Modeling Relationship among Motivations, Emotions and Actions in Language-based Human Activities
• Title（参考訳）: COMMA:言語に基づく人間活動における動機・感情・行動のモデル化
• Authors: Yuqiang Xie and Yue Hu and Wei Peng and Guanqun Bi and Luxi Xing
• Abstract要約: 動機、感情、行動は、人間の活動において相互に関係する重要な要素である。 本稿では,言語に基づく人間活動におけるモチベーション,感情,行動のモデル化の可能性について検討する。
• 参考スコア（独自算出の注目度）: 12.206523349060179
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Motivations, emotions, and actions are inter-related essential factors in human activities. While motivations and emotions have long been considered at the core of exploring how people take actions in human activities, there has been relatively little research supporting analyzing the relationship between human mental states and actions. We present the first study that investigates the viability of modeling motivations, emotions, and actions in language-based human activities, named COMMA (Cognitive Framework of Human Activities). Guided by COMMA, we define three natural language processing tasks (emotion understanding, motivation understanding and conditioned action generation), and build a challenging dataset Hail through automatically extracting samples from Story Commonsense. Experimental results on NLP applications prove the effectiveness of modeling the relationship. Furthermore, our models inspired by COMMA can better reveal the essential relationship among motivations, emotions and actions than existing methods.
• Abstract（参考訳）: 動機、感情、行動は人間の活動において相互に関係する重要な要素である。 動機づけや感情は、人々が人間の活動でどのように行動するかを探索するコアとして長い間検討されてきたが、人間の精神状態と行動の関係を分析する研究は比較的少ない。 本研究は,言語に基づく人間活動におけるモチベーション,感情,行動のモデル化の有効性を検討する最初の研究であるcomma(cognitive framework of human activity)について述べる。 COMMAによって導かれた3つの自然言語処理タスク(感情理解,モチベーション理解,条件付き行動生成)を定義し,Story Commonsenseからサンプルを自動的に抽出することで,挑戦的なデータセットHailを構築する。 NLPアプリケーションの実験結果から, 関係のモデル化の有効性が証明された。 さらに,コンマにインスパイアされたモデルでは,モチベーションや感情,行動に必要不可欠な関係を明らかにすることができる。

関連論文リスト

• Visual-Geometric Collaborative Guidance for Affordance Learning [63.038406948791454]
  本稿では,視覚的・幾何学的手がかりを取り入れた視覚・幾何学的協調学習ネットワークを提案する。 本手法は,客観的指標と視覚的品質の代表的なモデルより優れている。
  論文  参考訳（メタデータ） (2024-10-15T07:35:51Z)
• SIFToM: Robust Spoken Instruction Following through Theory of Mind [51.326266354164716]
  本稿では,認知にインスパイアされた音声指導モデルであるSIFToMを提案し,多様な音声条件下でロボットが人間の指示を実践的に追従できるようにする。 結果から,SIFToMモデルは現状の音声モデルや言語モデルよりも優れており,課題に追従する音声命令に対する人間レベルの精度に近づいていることがわかった。
  論文  参考訳（メタデータ） (2024-09-17T02:36:10Z)
• Limitations in Employing Natural Language Supervision for Sensor-Based Human Activity Recognition -- And Ways to Overcome Them [10.878632018296326]
  自然言語と他のモダリティ間のクロスモーダルなコントラスト事前学習は、驚くべき性能と有効性を示している。 ウェアラブルセンサを用いたヒューマンアクティビティ認識(HAR)において,このような自然言語の監視が有効かどうかを検討する。 当然のことながら、通常のエンドツーエンドのトレーニングやセルフスーパービジョンよりもはるかにパフォーマンスが劣っていることが分かりました。
  論文  参考訳（メタデータ） (2024-08-21T22:30:36Z)
• PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• A Grammatical Compositional Model for Video Action Detection [24.546886938243393]
  典型的なAnd-Orグラフに基づく行動検出のための新しい文法合成モデル(GCM)を提案する。 本モデルは,文法モデルの構成性とDNNのリッチな特徴を表現する能力の両面を活用するために,階層的な動作の固有構造と潜時的関係を利用する。
  論文  参考訳（メタデータ） (2023-10-04T15:24:00Z)
• 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)
• CogIntAc: Modeling the Relationships between Intention, Emotion and Action in Interactive Process from Cognitive Perspective [15.797390372732973]
  個人間相互作用の新たな認知枠組みを提案する。 フレームワークの中核は、個人が内的意図によって駆動される外部行動を通じて相互作用を達成することである。
  論文  参考訳（メタデータ） (2022-05-07T03:54:51Z)
• Modeling Intention, Emotion and External World in Dialogue Systems [14.724751780218297]
  本稿では,相互関係を協調的にモデル化し,歴史的意図情報を明示的に統合するRelAtion Interaction Network(RAIN)を提案する。 データセットの実験により、我々のモデルは個人間の意図、感情、行動を完全に活用できることが示された。
  論文  参考訳（メタデータ） (2022-02-14T04:10:34Z)
• Model-based analysis of brain activity reveals the hierarchy of language in 305 subjects [82.81964713263483]
  言語の神経基盤を分解する一般的なアプローチは、個人間で異なる刺激に対する脳の反応を関連付けている。 そこで本研究では,自然刺激に曝露された被験者に対して,モデルに基づくアプローチが等価な結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-12T15:30:21Z)
• LEMMA: A Multi-view Dataset for Learning Multi-agent Multi-task Activities [119.88381048477854]
  LEMMAデータセットを導入し、細心の注意深い設定で、行方不明な次元に対処するための単一の家を提供する。 我々は、人間と物体の相互作用による原子間相互作用を密に注釈し、日常の活動の構成性、スケジューリング、割り当ての土台として提供する。 この取り組みにより、マシンビジョンコミュニティは、目標指向の人間活動を調べ、現実世界におけるタスクのスケジューリングと割り当てをさらに研究できることを期待します。
  論文  参考訳（メタデータ） (2020-07-31T00:13:54Z)
• Human Activity Recognition based on Dynamic Spatio-Temporal Relations [10.635134217802783]
  1つの人間の行動の記述と、連続する人間の行動の進化のモデル化は、人間の活動認識における2つの主要な問題である。 これら2つの課題に対処する人間行動認識手法を開発した。
  論文  参考訳（メタデータ） (2020-06-29T15:49:34Z)

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。