論文の概要: FADO: Feedback-Aware Double COntrolling Network for Emotional Support Conversation

• arxiv url: http://arxiv.org/abs/2211.00250v1
• Date: Tue, 1 Nov 2022 03:37:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 13:51:10.871623
• Title: FADO: Feedback-Aware Double COntrolling Network for Emotional Support Conversation
• Title（参考訳）: FADO:感情支援対話のためのフィードバック対応ダブルコントラリングネットワーク
• Authors: Wei Peng, Ziyuan Qin, Yue Hu, Yuqiang Xie, Yunpeng Li
• Abstract要約: 本稿では、戦略スケジュールを作成し、支援応答を生成するために、フィードバック対応ダブル・カウンタリング・ネットワーク(FADO)を提案する。 ESConvの実験結果から,提案したFADOは,戦略選択と応答生成の両面から最先端の性能を達成した。
• 参考スコア（独自算出の注目度）: 15.739642511241158
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotional Support Conversation (ESConv) aims to reduce help-seekers'emotional distress with the supportive strategy and response. It is essential for the supporter to select an appropriate strategy with the feedback of the help-seeker (e.g., emotion change during dialog turns, etc) in ESConv. However, previous methods mainly focus on the dialog history to select the strategy and ignore the help-seeker's feedback, leading to the wrong and user-irrelevant strategy prediction. In addition, these approaches only model the context-to-strategy flow and pay less attention to the strategy-to-context flow that can focus on the strategy-related context for generating the strategy-constrain response. In this paper, we propose a Feedback-Aware Double COntrolling Network (FADO) to make a strategy schedule and generate the supportive response. The core module in FADO consists of a dual-level feedback strategy selector and a double control reader. Specifically, the dual-level feedback strategy selector leverages the turn-level and conversation-level feedback to encourage or penalize strategies. The double control reader constructs the novel strategy-to-context flow for generating the strategy-constrain response. Furthermore, a strategy dictionary is designed to enrich the semantic information of the strategy and improve the quality of strategy-constrain response. Experimental results on ESConv show that the proposed FADO has achieved the state-of-the-art performance in terms of both strategy selection and response generation. Our code is available at https://github/after/reviewing.
• Abstract（参考訳）: Emotional Support Conversation (ESConv) は、支援的戦略と対応によって支援者の感情的苦痛を軽減することを目的としている。 支援者は、esconvのヘルプシーカー(例えば、ダイアログ変更時の感情変化など)のフィードバックを得て、適切な戦略を選択することが不可欠である。 しかしながら、従来の方法は戦略を選択し、ヘルプシーカーのフィードバックを無視するためにダイアログ履歴に重点を置いているため、誤った戦略予測に繋がる。 さらに、これらのアプローチは、文脈と戦略のフローをモデル化し、戦略と制約の応答を生成するための戦略に関するコンテキストに集中できる戦略とコンテキストのフローに注意を払わない。 本稿では,戦略スケジュールを作成し,支援応答を生成するためのフィードバックアウェア二重制御ネットワーク(fado)を提案する。 fadoのコアモジュールはデュアルレベルフィードバック戦略セレクタとダブルコントロールリーダで構成されている。 具体的には、二段階フィードバック戦略セレクタは、ターンレベルと会話レベルフィードバックを活用して戦略を奨励または罰する。 二重制御リーダは、戦略制約応答を生成するための新しい戦略-コンテキストフローを構築する。 さらに、戦略辞書は戦略の意味情報を強化し、戦略制約応答の品質を向上させるように設計されている。 ESConvの実験結果から,提案したFADOは,戦略選択と応答生成の両面から最先端の性能を達成した。 私たちのコードはhttps://github/after/reviewing.comから入手可能です。

関連論文リスト

• 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)
• K-Level Reasoning: Establishing Higher Order Beliefs in Large Language Models for Strategic Reasoning [76.3114831562989]
  マルチエージェント環境で戦略を動的に適応させるためには、LLM(Large Language Model)エージェントが必要である。 我々は,「K-Level Reasoning with Large Language Models (K-R)」という新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-02T16:07:05Z)
• Re-Reading Improves Reasoning in Large Language Models [87.46256176508376]
  既成のLarge Language Models (LLM) の推論能力を高めるため, 単純で汎用的で効果的なプロンプト手法であるRe2を導入する。 CoT (Chain-of-Thought) など、ほとんどの思考を刺激する手法とは異なり、Re2 は質問を2回処理することで入力に焦点を移し、理解プロセスを強化する。 提案手法の有効性と汎用性を検証するため,14のデータセットにまたがる広範囲な推論ベンチマークでRe2を評価した。
  論文  参考訳（メタデータ） (2023-09-12T14:36:23Z)
• 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)
• 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)
• An Autonomous Negotiating Agent Framework with Reinforcement Learning Based Strategies and Adaptive Strategy Switching Mechanism [3.4376560669160394]
  本研究は,専門家選択の問題の解決と,我々の自律交渉エージェントフレームワークで相手の行動に適応することに焦点を当てる。 我々のフレームワークは、新しい戦略を含めるか、古い戦略を定期的により良い戦略で置き換えることを決定することで、自己改善機能を可能にするレビュアーコンポーネントを持っています。
  論文  参考訳（メタデータ） (2021-02-06T14:38:03Z)
• 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)
• Did Aristotle Use a Laptop? A Question Answering Benchmark with Implicit Reasoning Strategies [78.68534915690404]
  StrategyQAは、必要な推論ステップが問題に暗黙的であり、戦略を使用して推論されるべきベンチマークです。 用語に基づくプライミングを組み合わせ、アノテーションーを刺激し、アノテーションーの集団を慎重に制御し、推論ショートカットを排除するための逆フィルタリングを行うデータ収集手順を提案する。 総合的に、StrategyQAには2,780の例があり、それぞれが戦略問題、その分解、証拠パラグラフで構成されている。
  論文  参考訳（メタデータ） (2021-01-06T19:14:23Z)
• The Design Of "Stratega": A General Strategy Games Framework [62.997667081978825]
  Strategaはターンベースおよびリアルタイム戦略ゲームを作成するためのフレームワークである。 このフレームワークは、統計的フォワードプランニング(SFP)エージェントに焦点を当てて構築されている。 我々は,このフレームワークとそのエージェントの開発が,戦略ゲームにおける複雑な意思決定プロセスの理解に役立つことを願っている。
  論文  参考訳（メタデータ） (2020-09-11T20:02:00Z)

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。