論文の概要: Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection

• arxiv url: http://arxiv.org/abs/2210.11715v1
• Date: Fri, 21 Oct 2022 03:51:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 14:35:23.370053
• Title: Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection
• Title（参考訳）: 感性感情認識と感性知識選択による共感対話生成
• Authors: Lanrui Wang and Jiangnan Li and Zheng Lin and Fandong Meng and Chenxu Yang and Weiping Wang and Jie Zhou
• Abstract要約: 情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。 我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
• 参考スコア（独自算出の注目度）: 47.60224978460442
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Empathy, which is widely used in psychological counselling, is a key trait of everyday human conversations. Equipped with commonsense knowledge, current approaches to empathetic response generation focus on capturing implicit emotion within dialogue context, where the emotions are treated as a static variable throughout the conversations. However, emotions change dynamically between utterances, which makes previous works difficult to perceive the emotion flow and predict the correct emotion of the target response, leading to inappropriate response. Furthermore, simply importing commonsense knowledge without harmonization may trigger the conflicts between knowledge and emotion, which confuse the model to choose incorrect information to guide the generation process. To address the above problems, we propose a Serial Encoding and Emotion-Knowledge interaction (SEEK) method for empathetic dialogue generation. We use a fine-grained encoding strategy which is more sensitive to the emotion dynamics (emotion flow) in the conversations to predict the emotion-intent characteristic of response. Besides, we design a novel framework to model the interaction between knowledge and emotion to generate more sensible response. Extensive experiments on EmpatheticDialogues demonstrate that SEEK outperforms the strong baselines in both automatic and manual evaluations.
• Abstract（参考訳）: 共感は心理的カウンセリングで広く使われているが、日常的な人間の会話の重要な特徴である。 常識的知識を取り入れた現在の共感的応答生成のアプローチは、会話の中で暗黙の感情を捉え、会話を通して感情が静的な変数として扱われる。 しかし、感情は発話間で動的に変化するため、以前の作業では感情の流れを知覚し、ターゲット応答の正しい感情を予測することが難しくなり、不適切な反応に繋がる。 さらに、単にコモンセンスの知識を調和せずにインポートするだけで、知識と感情の衝突が引き起こされ、モデルが生成プロセスを導くために誤った情報を選択することを混乱させる可能性がある。 以上の問題に対処するために,情緒的対話生成のためのシリアルエンコーディングと感情-知識相互作用(SEEK)手法を提案する。 我々は,会話中の感情動態(感情の流れ)に敏感な微粒な符号化戦略を用いて,応答の感情依存特性を予測する。 さらに、知識と感情の相互作用をモデル化し、より合理的な応答を生成する新しい枠組みを設計する。 共感ダイアログに関する大規模な実験は、SEEKが自動評価と手動評価の両方において強いベースラインを上回っていることを示している。

関連論文リスト

• ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
  CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。 本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
  論文  参考訳（メタデータ） (2024-05-17T15:45:08Z)
• CTSM: Combining Trait and State Emotions for Empathetic Response Model [2.865464162057812]
  共感応答生成は、対話システムに話者の感情を知覚し、それに応じて共感応答を生成する。 我々は,共感反応モデル(CTSM)のためのトラストと状態感情の組み合わせを提案する。 対話における感情を十分に知覚するために、まず特徴と状態の感情の埋め込みを構築し、エンコードする。 感情表現を誘導する感情誘導モジュールにより、感情知覚能力をさらに強化する。
  論文  参考訳（メタデータ） (2024-03-22T10:45:13Z)
• E-CORE: Emotion Correlation Enhanced Empathetic Dialogue Generation [33.57399405783864]
  本稿では,感情相関を改良した共感対話生成フレームワークを提案する。 具体的には、文脈に基づく感情の相互作用を捉えるために、マルチレゾリューション感情グラフを考案した。 そこで我々は,感情相関強化デコーダを提案し,新しい相関認識アグリゲーションとソフト/ハード戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-25T12:47:39Z)
• Empathetic Response Generation via Emotion Cause Transition Graph [29.418144401849194]
  共感的対話は、感情的要因(例えば、感情の状態)と認知的要因(例えば、感情の原因)の両方の知覚を必要とする人間のような行動である。 共感対話における2つのターン間の感情原因の自然な遷移を明示的にモデル化する感情原因遷移グラフを提案する。 このグラフでは、次のターンで生じる感情の概念語を、特殊に設計された概念認識デコーダによって予測し、使用し、共感的な応答を生成する。
  論文  参考訳（メタデータ） (2023-02-23T05:51:17Z)
• 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)
• Affective Decoding for Empathetic Response Generation [8.391383696266704]
  共感応答生成のためのAffective Decodingと呼ばれる手法を提案する。 本手法は,各デコーディングステップ中に感情信号を効果的に組み込むことができる。 我々のモデルは人間の評価により共感的であると認識されている。
  論文  参考訳（メタデータ） (2021-08-18T11:48:40Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• 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)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。