論文の概要: Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation

• arxiv url: http://arxiv.org/abs/2301.04907v3
• Date: Tue, 01 Oct 2024 10:36:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-02 16:32:08.202111
• Title: Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation
• Title（参考訳）: Think Twice:感情応答生成のための人間のような2段階会話エージェント
• Authors: Yushan Qian, Bo Wang, Shangzhao Ma, Wu Bin, Shuo Zhang, Dongming Zhao, Kun Huang, Yuexian Hou,
• Abstract要約: 感情対話生成のための2段階対話エージェントを提案する。 まず,感情アノテートされた対話コーパスを使わずに訓練された対話モデルを用いて,文脈意味に合致するプロトタイプ応答を生成する。 第二に、第一段階のプロトタイプは共感仮説で制御可能な感情精錬器によって修正される。
• 参考スコア（独自算出の注目度）: 16.659457455269127
• License:
• Abstract: Towards human-like dialogue systems, current emotional dialogue approaches jointly model emotion and semantics with a unified neural network. This strategy tends to generate safe responses due to the mutual restriction between emotion and semantics, and requires rare emotion-annotated large-scale dialogue corpus. Inspired by the "think twice" behavior in human dialogue, we propose a two-stage conversational agent for the generation of emotional dialogue. Firstly, a dialogue model trained without the emotion-annotated dialogue corpus generates a prototype response that meets the contextual semantics. Secondly, the first-stage prototype is modified by a controllable emotion refiner with the empathy hypothesis. Experimental results on the DailyDialog and EmpatheticDialogues datasets demonstrate that the proposed conversational outperforms the comparison models in emotion generation and maintains the semantic performance in automatic and human evaluations.
• Abstract（参考訳）: 人間のような対話システムに向けて、現在の感情対話は、統合されたニューラルネットワークで感情と意味を共同でモデル化する。 この戦略は、感情と意味論の相互制限による安全な応答を生成する傾向があり、稀な感情アノテートされた大規模対話コーパスを必要とする。 人間の対話における「2つの思考」行動に着想を得て,感情対話生成のための2段階の対話エージェントを提案する。 まず,感情アノテートされた対話コーパスを使わずに訓練された対話モデルを用いて,文脈意味に合致するプロトタイプ応答を生成する。 第二に、第一段階のプロトタイプは共感仮説で制御可能な感情精錬器によって修正される。 DailyDialog と EmpatheticDialogues データセットによる実験結果から,提案した会話は感情生成における比較モデルより優れ,自動的および人的評価における意味的性能が維持されることが示された。

関連論文リスト

• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。 本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。 その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection [47.60224978460442]
  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。
  論文  参考訳（メタデータ） (2022-10-21T03:51:18Z)
• Building a Dialogue Corpus Annotated with Expressed and Experienced Emotions [12.29324895944564]
  コミュニケーションにおいて、人間はインターロケータの感情を認識し、共感や快適さといった適切な感情に反応する。 本研究では,2種類の感情を付加した対話コーパスを構築する方法を提案する。 我々は、Twitterからの対話を収集し、話者が発声(表現された感情)に入力した感情と、聞き手が発声(経験的な感情)を聴いた後に感じた感情とをアノテートする。
  論文  参考訳（メタデータ） (2022-05-24T07:40:11Z)
• 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)
• Simulated Annealing for Emotional Dialogue Systems [22.96717845092991]
  対話生成のための特定の感情を表現するタスクについて検討する。 提案手法は,従来の最先端手法と比較して,感情の精度が12%向上したことを示す。
  論文  参考訳（メタデータ） (2021-09-22T13:17:17Z)
• 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)
• Constructing Emotion Consensus and Utilizing Unpaired Data for Empathetic Dialogue Generation [22.2430593119389]
  本稿では、感情のコンセンサスを同時に構築し、外部の未ペアデータを利用するための二重生成モデルDual-Empを提案する。 本手法は,コヒーレントかつ共感的応答の獲得において,競争ベースラインよりも優れる。
  論文  参考訳（メタデータ） (2021-09-16T07:57:01Z)
• 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)
• Generating Empathetic Responses with a Large Scale Dialog Dataset [0.76146285961466]
  既存のモデルは、応答生成を導くために事前に定義された感情情報を直接組み込むか、応答感情を決定する決定論的ルールを使用する。 6000以上の人的評価インスタンスのベースラインと比較して,マルチターン共感ダイアログモデルの構築方法を示す。
  論文  参考訳（メタデータ） (2021-05-14T13:45:40Z)

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。