論文の概要: Response-act Guided Reinforced Dialogue Generation for Mental Health Counseling

• arxiv url: http://arxiv.org/abs/2301.12729v1
• Date: Mon, 30 Jan 2023 08:53:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-31 15:17:01.124989
• Title: Response-act Guided Reinforced Dialogue Generation for Mental Health Counseling
• Title（参考訳）: メンタルヘルスカウンセリングのためのレスポンシブアクトガイド強化対話生成
• Authors: Aseem Srivastava, Ishan Pandey, Md. Shad Akhtar, Tanmoy Chakraborty
• Abstract要約: 本稿では、メンタルヘルスカウンセリング会話のための対話行動誘導応答生成器READERについて述べる。 READERは変換器上に構築されており、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。 ベンチマークカウンセリング会話データセットであるHOPE上でREADERを評価する。
• 参考スコア（独自算出の注目度）: 25.524804770124145
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Virtual Mental Health Assistants (VMHAs) have become a prevalent method for receiving mental health counseling in the digital healthcare space. An assistive counseling conversation commences with natural open-ended topics to familiarize the client with the environment and later converges into more fine-grained domain-specific topics. Unlike other conversational systems, which are categorized as open-domain or task-oriented systems, VMHAs possess a hybrid conversational flow. These counseling bots need to comprehend various aspects of the conversation, such as dialogue-acts, intents, etc., to engage the client in an effective conversation. Although the surge in digital health research highlights applications of many general-purpose response generation systems, they are barely suitable in the mental health domain -- the prime reason is the lack of understanding in mental health counseling. Moreover, in general, dialogue-act guided response generators are either limited to a template-based paradigm or lack appropriate semantics. To this end, we propose READER -- a REsponse-Act guided reinforced Dialogue genERation model for the mental health counseling conversations. READER is built on transformer to jointly predict a potential dialogue-act d(t+1) for the next utterance (aka response-act) and to generate an appropriate response u(t+1). Through the transformer-reinforcement-learning (TRL) with Proximal Policy Optimization (PPO), we guide the response generator to abide by d(t+1) and ensure the semantic richness of the responses via BERTScore in our reward computation. We evaluate READER on HOPE, a benchmark counseling conversation dataset and observe that it outperforms several baselines across several evaluation metrics -- METEOR, ROUGE, and BERTScore. We also furnish extensive qualitative and quantitative analyses on results, including error analysis, human evaluation, etc.
• Abstract（参考訳）: 仮想メンタルヘルスアシスタント(VMHA)は、デジタルヘルスケア分野でメンタルヘルスカウンセリングを受けるための一般的な方法となっている。 支援的なカウンセリングの会話は、クライアントを環境に親しみやすくするために自然なオープンなトピックから始まり、後によりきめ細かいドメイン固有のトピックに収束する。 オープンドメインまたはタスク指向システムに分類される他の会話システムとは異なり、VMHAはハイブリッドな会話フローを持っている。 これらのカウンセリングボットは、対話行為や意図など、会話のさまざまな側面を理解して、クライアントを効果的な会話に巻き込む必要がある。 デジタルヘルス研究の急増は、多くの汎用応答生成システムの応用を浮き彫りにしているが、それらは精神保健分野ではほとんど適していない。 さらに、ダイアログアクトによる応答生成はテンプレートベースのパラダイムに限定されるか、あるいは適切な意味論が欠如している。 そこで本研究では,メンタルヘルスカウンセリングのための応答行動支援対話生成モデルであるreaderを提案する。 READERは変換器上に構築され、次の発話に対する潜在的な対話行為d(t+1)を共同で予測し、適切な応答u(t+1)を生成する。 PPO(Proximal Policy Optimization)を用いたTRL(Transformer-Reinforcement-learning)を通じて,応答生成元をd(t+1)でアドバイドし,BERTScoreによる応答のセマンティックリッチ性を確保する。 我々は、会話データセットのベンチマークであるHOPE上でREADERを評価し、METEOR、ROUGE、BERTScoreなど、いくつかの評価指標において、いくつかのベースラインを上回ります。 また, 誤り解析や人的評価など, 結果の質的, 定量的な分析も行った。

関連論文リスト

• Structured Dialogue System for Mental Health: An LLM Chatbot Leveraging the PM+ Guidelines [23.230484270460877]
  SuDoSysは、心理学的カウンセリングを提供するために設計された、ステージ対応マルチターン対話システムである。 このシステムはカウンセリングプロセスを通じて重要な情報を格納し、コヒーレントで指示された会話を確実にする。 客観的評価と主観評価の両方を用いて評価すると、SuDoSysは論理的に一貫性のある応答を生成する効果を示す。
  論文  参考訳（メタデータ） (2024-11-16T03:12:17Z)
• 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)
• Empathy Through Multimodality in Conversational Interfaces [1.360649555639909]
  会話型健康エージェント(CHA)は、感情的なインテリジェンスを組み込むためにテキスト分析を超越するニュアンスなサポートを提供することで、医療を再定義している。 本稿では、豊かなマルチモーダル対話のためのLCMベースのCHAについて紹介する。 マルチモーダルな手がかりを解析することにより、ユーザの感情状態に順応的に解釈し、応答し、文脈的に認識され、共感的に反響する音声応答を提供する。
  論文  参考訳（メタデータ） (2024-05-08T02:48:29Z)
• Rethinking Response Evaluation from Interlocutor's Eye for Open-Domain Dialogue Systems [14.98159964397052]
  我々は,自動応答評価器に必要とされる機能について,対話者の視点から分析・検討した。 Hazumiデータセットの最初の実験では、自動応答評価をインターロケータの判断と相関させる上で、インターロケータ認識が重要な役割を担っていることが明らかとなった。 X(元Twitter)での大規模な会話を用いた2回目の実験では、対話継続性予測が人間からのフィードバックなしにインターロケータ対応評価器を訓練できることが確認された。
  論文  参考訳（メタデータ） (2024-01-04T13:15:41Z)
• PICK: Polished & Informed Candidate Scoring for Knowledge-Grounded Dialogue Systems [59.1250765143521]
  現在の知識接地対話システムは、生成された応答を人間に好まれる品質に合わせるのに失敗することが多い。 我々は,世代別再描画フレームワークであるPolseed & Informed Candidate Scoring (PICK)を提案する。 対話履歴に関連性を維持しつつ,より忠実な応答を生成するためのPICKの有効性を示す。
  論文  参考訳（メタデータ） (2023-09-19T08:27:09Z)
• GODEL: Large-Scale Pre-Training for Goal-Directed Dialog [119.1397031992088]
  ダイアログのための大規模事前学習言語モデルであるGODELを紹介する。 GODELは、数ショットの微調整設定で、最先端の事前訓練ダイアログモデルより優れていることを示す。 評価手法の新たな特徴は,応答の有用性を評価するユーティリティの概念の導入である。
  論文  参考訳（メタデータ） (2022-06-22T18:19:32Z)
• Coral: An Approach for Conversational Agents in Mental Health Applications [0.0]
  本稿では,心的健康に役立てることができる生成的共感型オープンドメインロボットの創出について述べる。 我々は、大規模事前学習と共感的会話データを利用して、自然界の反応をより共感的にする。 我々のモデルは共感対話テストセットで最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-11-16T15:15:58Z)
• Speaker and Time-aware Joint Contextual Learning for Dialogue-act Classification in Counselling Conversations [15.230185998553159]
  我々は、カウンセリング会話における対話行動分類のためのプラットフォームを提供するために、HOPEと呼ばれる新しいデータセットを開発した。 私たちは、YouTubeで公開されているカウンセリングセッションビデオから12.9Kの発話を収集し、それらの転写文を抽出し、DACラベルで注釈付けします。 対話行動分類のための新しい話者認識型・時間認識型文脈学習システムであるSPARTAを提案する。
  論文  参考訳（メタデータ） (2021-11-12T10:30:30Z)
• MedDG: An Entity-Centric Medical Consultation Dataset for Entity-Aware Medical Dialogue Generation [86.38736781043109]
  MedDGという12種類の消化器疾患に関連する大規模医用対話データセットを構築し,公開する。 MedDGデータセットに基づく2種類の医療対話タスクを提案する。1つは次のエンティティ予測であり、もう1つは医師の反応生成である。 実験結果から,プレトレイン言語モデルと他のベースラインは,両方のタスクに苦戦し,データセットの性能が劣ることがわかった。
  論文  参考訳（メタデータ） (2020-10-15T03:34:33Z)
• Multi-Stage Conversational Passage Retrieval: An Approach to Fusing Term Importance Estimation and Neural Query Rewriting [56.268862325167575]
  マルチステージアドホックIRシステムにクエリ再構成を組み込んだ会話経路検索(ConvPR)に取り組む。 本稿では,1項の重要度推定と2項のニューラルクエリ書き換えという2つの手法を提案する。 前者に対しては、周波数に基づく信号を用いて会話コンテキストから抽出した重要な用語を用いて会話クエリを拡張する。 後者では,会話クエリを,事前訓練されたシーケンス列列列モデルを用いて,自然な,スタンドアロンの,人間の理解可能なクエリに再構成する。
  論文  参考訳（メタデータ） (2020-05-05T14:30:20Z)
• 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。