論文の概要: Improving Multi-turn Emotional Support Dialogue Generation with
Lookahead Strategy Planning
- arxiv url: http://arxiv.org/abs/2210.04242v1
- Date: Sun, 9 Oct 2022 12:23:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 16:46:44.985835
- Title: Improving Multi-turn Emotional Support Dialogue Generation with
Lookahead Strategy Planning
- Title（参考訳）: ルックアヘッド戦略計画によるマルチターン感情支援対話生成の改善
- Authors: Yi Cheng, Wenge Liu, Wenjie Li, Jiashuo Wang, Ruihui Zhao, Bang Liu,
Xiaodan Liang and Yefeng Zheng
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 81.79431311952656
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Providing Emotional Support (ES) to soothe people in emotional distress is an
essential capability in social interactions. Most existing researches on
building ES conversation systems only considered single-turn interactions with
users, which was over-simplified. In comparison, multi-turn ES conversation
systems can provide ES more effectively, but face several new technical
challenges, including: (1) how to adopt appropriate support strategies to
achieve the long-term dialogue goal of comforting the user's emotion; (2) how
to dynamically model the user's state. In this paper, we propose a novel system
MultiESC to address these issues. For strategy planning, drawing inspiration
from the A* search algorithm, we propose lookahead heuristics to estimate the
future user feedback after using particular strategies, which helps to select
strategies that can lead to the best long-term effects. For user state
modeling, MultiESC focuses on capturing users' subtle emotional expressions and
understanding their emotion causes. Extensive experiments show that MultiESC
significantly outperforms competitive baselines in both dialogue generation and
strategy planning. Our codes are available at
https://github.com/lwgkzl/MultiESC.
- Abstract（参考訳）: 情緒的支援(ES)の提供は、社会的相互作用において不可欠な能力である。
ES会話システム構築に関する既存の研究の多くは、ユーザとのシングルターンインタラクションのみを考慮しており、これは単純化された。
比較として,マルチターンES会話システムはESをより効果的に提供できるが,(1)ユーザの感情を和らげるという長期的な対話目標を達成するために適切なサポート戦略を採用する方法,(2)ユーザの状態を動的にモデル化する方法など,いくつかの技術的課題に直面している。
本稿では,この問題に対処するための新しいシステムmultiescを提案する。
A*探索アルゴリズムからインスピレーションを得た戦略計画には、特定の戦略を使用した後の将来のユーザフィードバックを推定するルックアヘッドヒューリスティックスを提案する。
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。
大規模な実験により,MultiESCは対話生成と戦略計画の両面で競争ベースラインを著しく上回ることがわかった。
私たちのコードはhttps://github.com/lwgkzl/MultiESCで公開されています。
関連論文リスト
- EmoDynamiX: Emotional Support Dialogue Strategy Prediction by Modelling MiXed Emotions and Discourse Dynamics [12.105216351739422]
EmoDynamiXは、ユーザの微粒な感情と、不均一なグラフを使用してシステム戦略の間の談話ダイナミクスをモデル化し、パフォーマンスと透明性を改善します。
2つのESCデータセットの実験結果から、EmoDynamiXは従来の最先端の手法よりも優れたマージンを持つことが示された。
論文 参考訳（メタデータ） (2024-08-16T14:54:41Z) - ESCoT: Towards Interpretable Emotional Support Dialogue Systems [57.19341456308303]
これまでの研究は主に、より良い応答を生成することに重点を置いていたが、信頼性の高い対話システムを構築する上で非常に重要である解釈可能性を無視している。
本稿では, 感情支援応答生成手法として, $textbfE$motion-Focused と $textbfS$trategy-Driven を提案する。
また,提案したESCoTの有効性と,生成した対話応答を検証するために,広範囲な実験と人的評価を行った。
論文 参考訳（メタデータ） (2024-06-16T14:37:17Z) - 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) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳（メタデータ） (2023-08-17T10:49:18Z) - Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。
マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
論文 参考訳（メタデータ） (2023-07-16T09:58:44Z) - ECQED: Emotion-Cause Quadruple Extraction in Dialogs [37.66816413841564]
本稿では,感情に起因した発話対と感情と原因型を検出することを必要とする,感情・因果関係の4次抽出(ECQED)を提案する。
より詳細な感情を導入し,特徴が明らかに対話生成に有効であることを示す。
論文 参考訳（メタデータ） (2023-06-06T19:04:30Z) - PoKE: Prior Knowledge Enhanced Emotional Support Conversation with
Latent Variable [1.5787128553734504]
感情的なサポートは、対話システムにトレーニングされるべき重要なコミュニケーションスキルです。
既存の研究の多くは、現在の状況に応じて支援戦略を予測し、対応する感情的支援を提供する。
本稿では,潜在変数モデルであるPoKEを用いた事前知識向上型感情支援会話を提案する。
論文 参考訳（メタデータ） (2022-10-23T07:31:24Z) - Do You Know My Emotion? Emotion-Aware Strategy Recognition towards a
Persuasive Dialogue System [14.724751780218297]
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。
論文 参考訳（メタデータ） (2022-06-24T06:24:46Z) - MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional
Support Conversation [64.37111498077866]
本稿では,感情支援会話のための新しいモデルを提案する。
ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。
評価実験の結果,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2022-03-25T10:32:04Z)
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。