論文の概要: Knowledge-Bridged Causal Interaction Network for Causal Emotion Entailment

• arxiv url: http://arxiv.org/abs/2212.02995v1
• Date: Tue, 6 Dec 2022 14:13:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 16:31:11.906043
• Title: Knowledge-Bridged Causal Interaction Network for Causal Emotion Entailment
• Title（参考訳）: 因果感情を伴うナレッジブリッジ因果相互作用ネットワーク
• Authors: Weixiang Zhao, Yanyan Zhao, Zhuojun Li, Bing Qin
• Abstract要約: Causal Emotion Entailmentは、会話における非ニュートラル感情によるターゲット発話の原因となる因果発話を特定することを目的としている。 本稿では,3つのブリッジとして活用されるコモンセンス・ナレッジ(CSK)を用いたKBCIN(Knowledge-Bridged Causal Interaction Network)を提案する。
• 参考スコア（独自算出の注目度）: 12.722501709772123
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Causal Emotion Entailment aims to identify causal utterances that are responsible for the target utterance with a non-neutral emotion in conversations. Previous works are limited in thorough understanding of the conversational context and accurate reasoning of the emotion cause. To this end, we propose Knowledge-Bridged Causal Interaction Network (KBCIN) with commonsense knowledge (CSK) leveraged as three bridges. Specifically, we construct a conversational graph for each conversation and leverage the event-centered CSK as the semantics-level bridge (S-bridge) to capture the deep inter-utterance dependencies in the conversational context via the CSK-Enhanced Graph Attention module. Moreover, social-interaction CSK serves as emotion-level bridge (E-bridge) and action-level bridge (A-bridge) to connect candidate utterances with the target one, which provides explicit causal clues for the Emotional Interaction module and Actional Interaction module to reason the target emotion. Experimental results show that our model achieves better performance over most baseline models. Our source code is publicly available at https://github.com/circle-hit/KBCIN.
• Abstract（参考訳）: Causal Emotion Entailmentは、会話における非ニュートラル感情によるターゲット発話の原因となる因果発話を特定することを目的としている。 これまでの作品は、会話の文脈の理解と感情の原因の正確な推論に限られていた。 そこで本研究では,コモンセンス・ナレッジ(CSK)を3つのブリッジとして活用したKBCIN(Knowledge-Bridged Causal Interaction Network)を提案する。 具体的には、会話毎に会話グラフを構築し、イベント中心のCSKを意味レベルブリッジ(S-bridge)として活用し、CSK拡張グラフアテンションモジュールを介して会話コンテキストにおける深い発話間依存関係をキャプチャする。 さらに、社会的相互作用cskは感情レベルのブリッジ(eブリッジ)と行動レベルのブリッジ(aブリッジ)として機能し、候補発話とターゲットの発話を結びつける。 実験の結果,ほとんどのベースラインモデルよりも優れた性能が得られた。 ソースコードはhttps://github.com/circle-hit/KBCINで公開されています。

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)
• Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue [67.09698638709065]
  本稿では,SEntiment-enhanceD Graph を用いたマルチモーダルサルカズム記述フレームワーク EDGE を提案する。 特に,まずレキシコン誘導型発話感情推論モジュールを提案し,そこでは発話感情改善戦略を考案する。 次に,マルチモーダル感情分析モデル JCA を拡張し,映像音声クリップ毎に共同感情ラベルを導出することにより,JCA-SI (Joint Cross Attention-based Sentiment Inference) というモジュールを開発する。
  論文  参考訳（メタデータ） (2024-02-06T03:14:46Z)
• EmotionIC: emotional inertia and contagion-driven dependency modeling for emotion recognition in conversation [34.24557248359872]
  本稿では,ERCタスクに対する感情的慣性・伝染型依存性モデリング手法(EmotionIC)を提案する。 EmotionICは3つの主要コンポーネント、すなわちIDマスク付きマルチヘッド注意(IMMHA)、対話型Gated Recurrent Unit(DiaGRU)、Skip-chain Conditional Random Field(SkipCRF)から構成されている。 実験結果から,提案手法は4つのベンチマークデータセットにおいて,最先端のモデルよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-20T13:58:35Z)
• PAGE: A Position-Aware Graph-Based Model for Emotion Cause Entailment in Conversation [3.8754794750431447]
  Conversational Causal Emotion Entailment (C2E2)は、会話中のターゲット感情に対応する原因を認識することを目的としたタスクである。 会話全体を符号化し、発話間の因果関係を完全にモデル化する新しい位置認識グラフを考案する。 提案手法は,2つの挑戦的テストセット上での最先端性能を一貫して達成する。
  論文  参考訳（メタデータ） (2023-03-03T09:13:23Z)
• Discourse-Aware Emotion Cause Extraction in Conversations [21.05202596080196]
  会話における感情的原因抽出(ECEC)は、会話における感情的原因を含む発話を抽出することを目的としている。 本稿では,この課題に対する談話認識モデル(DAM)を提案する。 ベンチマークコーパスの結果、DAMは文学における最先端システム(SOTA)よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-26T02:11:01Z)
• A Unified Framework for Emotion Identification and Generation in Dialogues [5.102770724328495]
  本稿では,対話の感情を協調的に識別し,その感情に応じて応答を生成するマルチタスクフレームワークを提案する。 本研究では,BERTをベースとしたネットワークを用いて共感システムを構築し,エンド・ツー・エンドのネットワークを分類と生成損失の両方で訓練する混合目的関数を用いる。
  論文  参考訳（メタデータ） (2022-05-31T02:58:49Z)
• Neutral Utterances are Also Causes: Enhancing Conversational Causal Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
  Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。 感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
  論文  参考訳（メタデータ） (2022-05-02T09:12:32Z)
• Chat-Capsule: A Hierarchical Capsule for Dialog-level Emotion Analysis [70.98130990040228]
  本稿では,発話レベルと対話レベルの両方の感情とその相互関係をモデル化したコンテキストベースの階層的注意カプセル(Chat-Capsule)モデルを提案する。 Eコマースプラットフォームの顧客サポートから収集したダイアログデータセットでは,ユーザの満足度や感情曲線のカテゴリも予測できる。
  論文  参考訳（メタデータ） (2022-03-23T08:04:30Z)
• Recognizing Emotion Cause in Conversations [82.88647116730691]
  テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。 RECCONというデータセットとの会話で感情の原因を認識するタスクを紹介します。
  論文  参考訳（メタデータ） (2020-12-22T03:51:35Z)
• Exploiting Unsupervised Data for Emotion Recognition in Conversations [76.01690906995286]
  会話における感情認識(Emotion Recognition in Conversations:ERC)は、会話における話者の感情状態を予測することを目的としている。 ERCタスクの教師付きデータは限られている。 教師なし会話データを活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-02T13:28:47Z)

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。