論文の概要: PAL: Persona-Augmented Emotional Support Conversation Generation

• arxiv url: http://arxiv.org/abs/2212.09235v1
• Date: Mon, 19 Dec 2022 04:12:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 16:30:01.148922
• Title: PAL: Persona-Augmented Emotional Support Conversation Generation
• Title（参考訳）: pal: パーソナライズされた感情支援会話生成
• Authors: Jiale Cheng, Sahand Sabour, Hao Sun, Zhuang Chen, Minlie Huang
• Abstract要約: メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。 近年の研究では、感情支援のための対話モデルの有効性が実証されている。 本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。
• 参考スコア（独自算出の注目度）: 54.069321178816686
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the lack of human resources for mental health support, there is an increasing demand for employing conversational agents for support. Recent work has demonstrated the effectiveness of dialogue models in providing emotional support. As previous studies have demonstrated that seekers' persona is an important factor for effective support, we investigate whether there are benefits to modeling such information in dialogue models for support. In this paper, our empirical analysis verifies that persona has an important impact on emotional support. Therefore, we propose a framework for dynamically inferring and modeling seekers' persona. We first train a model for inferring the seeker's persona from the conversation history. Accordingly, we propose PAL, a model that leverages persona information and, in conjunction with our strategy-based controllable generation method, provides personalized emotional support. Automatic and manual evaluations demonstrate that our proposed model, PAL, achieves state-of-the-art results, outperforming the baselines on the studied benchmark. Our code and data are publicly available at https://github.com/chengjl19/PAL.
• Abstract（参考訳）: メンタルヘルス支援のための人的資源が不足しているため、サポートのために会話エージェントを採用する必要性が高まっている。 近年,感情支援における対話モデルの有効性が実証されている。 先行研究により,希望者のペルソナが効果的な支援にとって重要な要因であることが示されたので,支援のための対話モデルにおいて,その情報モデリングの利点があるか検討した。 本稿では,経験的分析により,ペルソナが感情支援に重要な影響を与えていることを確認する。 そこで本研究では,探索者のペルソナを動的に推論・モデル化する枠組みを提案する。 まず,会話履歴から検索者のペルソナを推測するモデルを訓練する。 そこで我々は,ペルソナ情報を活用するモデルであるPALを提案し,戦略に基づく制御可能な生成手法とともに,パーソナライズされた感情支援を提供する。 自動および手動による評価では,提案モデルであるPALが最先端の結果を達成し,ベンチマークのベースラインを上回った。 私たちのコードとデータはhttps://github.com/chengjl19/palで公開されている。

関連論文リスト

• Interactive Dialogue Agents via Reinforcement Learning on Hindsight Regenerations [58.65755268815283]
  多くの実際の対話は対話的であり、つまりエージェントの発話が会話の相手に影響を与えるか、情報を引き出すか、意見を変えるかである。 この事実を利用して、既存の最適データを書き直し、拡張し、オフライン強化学習(RL)を介してトレーニングする。 実際の人間によるユーザ調査の結果、我々のアプローチは既存の最先端の対話エージェントを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-07T21:37:51Z)
• It Couldn't Help But Overhear: On the Limits of Modelling Meta-Communicative Grounding Acts with Supervised Learning [19.812562421377706]
  オーバーハーナーは、下手な行為を行う特権を剥奪され、意図した意味についてしか推測できない。 人間のメタコミュニケーション行為をデータ駆動学習モデルで適切にモデル化することは不可能であることを示す証拠が存在する。 最も重要なことは、このトピックをコミュニティのテーブルに持ち帰り、モデルが単に"参加"するようにデザインされた結果について、議論を奨励したいということです。
  論文  参考訳（メタデータ） (2024-05-02T09:55:19Z)
• DAIC-WOZ: On the Validity of Using the Therapist's prompts in Automatic Depression Detection from Clinical Interviews [39.08557916089242]
  近年の研究では、インタビュアーのプロンプトをモデルに組み込んだ場合の性能向上が報告されている。 インタビュアーのプロンプトを用いたモデルでは,過去のメンタルヘルス問題に関する質問が質問されるインタビューの特定の領域に焦点を絞ることが分かる。 故意に利用することで0.90F1のスコアを得ることができ、このデータセットで報告された最も高い結果は、テキスト情報のみを用いてである。
  論文  参考訳（メタデータ） (2024-04-22T09:07:50Z)
• Persona Extraction Through Semantic Similarity for Emotional Support Conversation Generation [45.21373213960324]
  PESS(Persona extract through Semantic similarity)は,対話から情報的かつ一貫したペルソナを自動的に推測できる新しいフレームワークである。 PESSによって推定される高品質のペルソナ情報が,情緒的支援反応の生成に有効であることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2024-03-07T04:33:11Z)
• You Truly Understand What I Need: Intellectual and Friendly Dialogue Agents grounding Knowledge and Persona [30.30372603825815]
  外部知識とペルソナを同時に活用する効果的な対話エージェントを提案する。 エージェントは、ポリエンコーダで実装された候補スコアで回答を生成するために使用する適切な知識とペルソナを選択する。 我々はペルソナ知識チャットの実験を行い、グラウンドおよび生成タスクにおける最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-01-06T06:47:21Z)
• 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)
• 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)
• Partner Matters! An Empirical Study on Fusing Personas for Personalized Response Selection in Retrieval-Based Chatbots [51.091235903442715]
  本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。 4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。 Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
  論文  参考訳（メタデータ） (2021-05-19T10:32:30Z)
• You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
  認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。 そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
  論文  参考訳（メタデータ） (2020-04-11T12:51:07Z)

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。