論文の概要: PoKE: Prior Knowledge Enhanced Emotional Support Conversation with Latent Variable

• arxiv url: http://arxiv.org/abs/2210.12640v1
• Date: Sun, 23 Oct 2022 07:31:24 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-25 13:38:16.335079
• Title: PoKE: Prior Knowledge Enhanced Emotional Support Conversation with Latent Variable
• Title（参考訳）: PoKE: 潜伏変数を用いた感情支援会話の事前知識強化
• Authors: Xiaohan Xu, Xuying Meng, Yequan Wang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.5787128553734504
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional support conversation (ESC) task can utilize various support strategies to help people relieve emotional distress and overcome the problem they face, which have attracted much attention in these years. The emotional support is a critical communication skill that should be trained into dialogue systems. Most existing studies predict support strategy according to current context and provide corresponding emotional support in response. However, these works ignore two significant characteristics of ESC. (a) Abundant prior knowledge exists in historical conversations, such as the responses to similar cases and the general order of support strategies, which has a great reference value for current conversation. (b) There is a one-to-many mapping relationship between context and support strategy, i.e.multiple strategies are reasonable for a single context. It lays a better foundation for the diversity of generations. To take into account these two key factors, we Prior Knowledge Enhanced emotional support conversation with latent variable model, PoKE. The proposed model fully taps the potential of prior knowledge in terms of exemplars and strategy sequence and then utilizes a latent variable to model the one-to-many relationship of support strategy. Furthermore, we introduce a memory schema to effectively incorporate encoded knowledge into decoder. Experiment results on benchmark dataset~(i.e., ESConv) show that our PoKE outperforms existing baselines on both automatic evaluation and human evaluation. Further experiments prove that abundant prior knowledge is conducive to high-quality emotional support, and a well-learned latent variable is critical to the diversity of generations.
• Abstract（参考訳）: 感情支援会話(esc)タスクは、人々が感情的な苦痛を和らげ、直面する問題を克服するために様々な支援戦略を利用することができる。 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。 しかし、これらの研究はESCの2つの重要な特徴を無視している。 (a)類似事例に対する応答やサポート戦略の一般的な順序など,過去の会話に先行する知識が欠如しているため,現在の会話の参照価値は高い。 (b)コンテキストとサポート戦略の間には1対1のマッピング関係があり、複数の戦略は単一のコンテキストに対して妥当である。 それは世代の多様性の基盤となる。 これら2つの要因を考慮に入れ,潜在変数モデルであるPoKEとの感情支援を優先的に行う。 提案モデルでは,事前知識のポテンシャルを実例と戦略系列で完全に活用し,潜在変数を用いて支援戦略の1対1の関係をモデル化する。 さらに、符号化された知識をデコーダに効果的に組み込むメモリスキーマを導入する。 ベンチマークデータセット(esconv)における実験結果から、pokeは、自動評価と人的評価の両方において、既存のベースラインよりも優れています。 さらなる実験により、豊富な事前知識が高品質な感情支援に寄与し、よく学習された潜在性変数が世代の多様性に不可欠であることを証明した。

関連論文リスト

• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Knowledge-enhanced Memory Model for Emotional Support Conversation [8.856733707377922]
  感情的助詞共会話(MODERN)のための知識強化メモリモデルを提案する。 具体的には、まず、会話の異なる期間の動的感情変化を知覚するために、知識に富んだ対話コンテキストを符号化する。 次に、新しいメモリ強化戦略モデリングモジュールを実装し、戦略カテゴリの背後にあるセマンティックパターンをモデル化する。
  論文  参考訳（メタデータ） (2023-10-11T17:51:28Z)
• 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)
• A Cognitive Stimulation Dialogue System with Multi-source Knowledge Fusion for Elders with Cognitive Impairment [15.921295369286161]
  データスパシティは、特に中国語でCSベースの対話システムを構築する上で大きな課題である。 感情的なサポートを提供しながらチャットをするというのは、既存の認知対話システムの大半で見過ごされている。 本稿では,CS の原理と感情支援戦略に導かれるオープンな応答を生成するために,CS 対話 (CSD) のためのマルチソース知識融合手法を提案する。
  論文  参考訳（メタデータ） (2023-05-14T16:52:20Z)
• A Hierarchical Regression Chain Framework for Affective Vocal Burst Recognition [72.36055502078193]
  本稿では,声帯からの感情認識のための連鎖回帰モデルに基づく階層的枠組みを提案する。 データスパシティの課題に対処するため、レイヤワイドおよび時間アグリゲーションモジュールを備えた自己教師付き学習(SSL)表現も使用しています。 提案されたシステムは、ACII Affective Vocal Burst (A-VB) Challenge 2022に参加し、「TWO」および「CULTURE」タスクで第1位となった。
  論文  参考訳（メタデータ） (2023-03-14T16:08:45Z)
• Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning [81.79431311952656]
  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。
  論文  参考訳（メタデータ） (2022-10-09T12:23:47Z)
• Towards Emotional Support Dialog Systems [61.58828606097423]
  本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。 本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。 情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
  論文  参考訳（メタデータ） (2021-06-02T13:30:43Z)
• RESPER: Computationally Modelling Resisting Strategies in Persuasive Conversations [0.7505101297221454]
  説得的会話における抵抗戦略を識別するための一般化フレームワークを提案する。 実験では,非協調的目標指向会話におけるパワーロールの非対称性を明らかにする。 また,会話結果に対するさまざまな抵抗戦略の役割についても検討した。
  論文  参考訳（メタデータ） (2021-01-26T03:44:17Z)

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。