論文の概要: Don't Lose Yourself! Empathetic Response Generation via Explicit Self-Other Awareness

• arxiv url: http://arxiv.org/abs/2210.03884v2
• Date: Fri, 5 May 2023 05:16:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-08 17:32:12.773897
• Title: Don't Lose Yourself! Empathetic Response Generation via Explicit Self-Other Awareness
• Title（参考訳）: 自分を見失うな! 明示的自己他者認識による共感応答生成
• Authors: Weixiang Zhao, Yanyan Zhao, Xin Lu, Bing Qin
• Abstract要約: 我々は,自覚の明示的自覚(EmpSOA)による共感反応の生成を提案する。 具体的には、自己別の分化、自己別の変調、自己別の生成という3つの段階が考案される。 ベンチマークデータセットの自動評価と人的評価は、より共感的な反応を生成するためにEmpSOAの優位性を示している。
• 参考スコア（独自算出の注目度）: 15.867554193577181
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a critical step to achieve human-like chatbots, empathetic response generation has attained increasing interests. Previous attempts are incomplete and not sufficient enough to elicit empathy because they only focus on the initial aspect of empathy to automatically mimic the feelings and thoughts of the user via other-awareness. However, they ignore to maintain and take the own views of the system into account, which is a crucial process to achieve the empathy called self-other awareness. To this end, we propose to generate Empathetic response with explicit Self-Other Awareness (EmpSOA). Specifically, three stages, self-other differentiation, self-other modulation and self-other generation, are devised to clearly maintain, regulate and inject the self-other aware information into the process of empathetic response generation. Both automatic and human evaluations on the benchmark dataset demonstrate the superiority of EmpSOA to generate more empathetic responses.
• Abstract（参考訳）: 人間のようなチャットボットを実現するための重要なステップとして、共感的な応答生成が益々増えている。 以前の試みは不完全であり、共感の初期の側面にのみ焦点を合わせ、他の認識を通じてユーザーの感情や思考を自動的に模倣するので、共感を引き出すには不十分である。 しかし、彼らはシステムの維持を無視し、自己認識と呼ばれる共感を達成する上で重要なプロセスであるシステム自身の見解を考慮に入れている。 そこで本研究では,自覚を明示した共感応答(EmpSOA)を提案する。 具体的には、自己他者分化、自己他者変調、自己他者世代という3つの段階が、自己他者認識情報を共感応答生成のプロセスに明確に維持、調整、注入するために考案される。 ベンチマークデータセットの自動評価と人的評価は、より共感的な反応を生成するためにEmpSOAの優位性を示している。

関連論文リスト

• APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
  共感反応生成は、他人の感情を理解するように設計されている。 検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。 我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T02:23:37Z)
• EMP-EVAL: A Framework for Measuring Empathy in Open Domain Dialogues [0.0]
  EMP-EVALは単純だが効果的な自動共感評価法である。 提案手法は感情,認知,情緒的共感の影響を受ける。 我々の測定値が人間の嗜好と相関し、人間の判断と同等の結果が得られることを示す。
  論文  参考訳（メタデータ） (2023-01-29T18:42:19Z)
• Wish I Can Feel What You Feel: A Neural Approach for Empathetic Response Generation [2.5255184843886225]
  本稿では,感情の原因,知識グラフ,共感応答生成のためのコミュニケーション機構という,3つの要素を統合した新しいアプローチを提案する。 実験結果から,鍵成分を組み込むことにより,より情報的,共感的な反応が生じることが示された。
  論文  参考訳（メタデータ） (2022-12-05T03:20:37Z)
• CASE: Aligning Coarse-to-Fine Cognition and Affection for Empathetic Response Generation [59.8935454665427]
  共感的対話モデルは、通常、感情的な側面のみを考慮するか、孤立して認知と愛情を扱う。 共感的対話生成のためのCASEモデルを提案する。
  論文  参考訳（メタデータ） (2022-08-18T14:28:38Z)
• EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
  共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。 変圧器事前学習言語モデル(T5)に基づく手法を提案する。 本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
  論文  参考訳（メタデータ） (2021-10-30T19:04:48Z)
• Perspective-taking and Pragmatics for Generating Empathetic Responses Focused on Emotion Causes [50.569762345799354]
  i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。 社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
  論文  参考訳（メタデータ） (2021-09-18T04:22:49Z)
• CEM: Commonsense-aware Empathetic Response Generation [31.956147246779423]
  本稿では,ユーザ状況に関する情報を引き出すために,コモンセンスを利用した共感応答生成手法を提案する。 我々は,共感的応答生成のためのベンチマークデータセットである共感的ダイアログに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-09-13T06:55:14Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)

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。