論文の概要: Controlling Personality Style in Dialogue with Zero-Shot Prompt-Based
Learning
- arxiv url: http://arxiv.org/abs/2302.03848v1
- Date: Wed, 8 Feb 2023 02:45:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 17:34:54.330489
- Title: Controlling Personality Style in Dialogue with Zero-Shot Prompt-Based
Learning
- Title(参考訳): ゼロショットプロンプト学習による対話におけるパーソナリティスタイル制御
- Authors: Angela Ramirez, Mamon Alsalihy, Kartik Aggarwal, Cecilia Li, Liren Wu,
and Marilyn Walker
- Abstract要約: タスク指向対話におけるNLGのパーソナリティと意味的精度を同時に制御するためのプロンプトベース学習の性能について検討する。
5種類のBig-5パーソナライズタイプに対して,セマンティックかつスタイリスティックに制御されたテキストを生成する。
また,NLGパーソナリティのデモンストレーションがゲーム領域における意味表現と併用できるかどうかを検証した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Prompt-based or in-context learning has achieved high zero-shot performance
on many natural language generation (NLG) tasks. Here we explore the
performance of prompt-based learning for simultaneously controlling the
personality and the semantic accuracy of an NLG for task-oriented dialogue. We
experiment with prompt-based learning on the PERSONAGE restaurant
recommendation corpus to generate semantically and stylistically-controlled
text for 5 different Big-5 personality types: agreeable, disagreeable,
conscientious, unconscientious, and extravert. We test two different classes of
discrete prompts to generate utterances for a particular personality style: (1)
prompts that demonstrate generating directly from a meaning representation that
includes a personality specification; and (2) prompts that rely on first
converting the meaning representation to a textual pseudo-reference, and then
using the pseudo-reference in a textual style transfer (TST) prompt. In each
case, we show that we can vastly improve performance by over-generating outputs
and ranking them, testing several ranking functions based on automatic metrics
for semantic accuracy, personality-match, and fluency. We also test whether NLG
personality demonstrations from the restaurant domain can be used with meaning
representations for the video game domain to generate personality stylized
utterances about video games. Our findings show that the TST prompts produces
the highest semantic accuracy (78.46% for restaurants and 87.6% for video
games) and personality accuracy (100% for restaurants and 97% for video games).
Our results on transferring personality style to video game utterances are
surprisingly good. To our knowledge, there is no previous work testing the
application of prompt-based learning to simultaneously controlling both style
and semantic accuracy in NLG.
- Abstract(参考訳): プロンプトベースまたはインコンテキスト学習は多くの自然言語生成(NLG)タスクにおいて高いゼロショット性能を達成した。
本稿では,タスク指向対話におけるnlgのパーソナリティと意味的正確性を同時に制御するプロンプトベース学習の性能について検討する。
本研究では, ペルソナゲレストラン推薦コーパスを用いて, 5種類の人格タイプに対して, セマンティックかつスタイリスティックに制御されたテキストを生成することを目的とした, 即時学習実験を行った。
1) パーソナリティ仕様を含む意味表現から直接生成を示すプロンプト,(2) 意味表現をテキストの擬似参照に変換するプロンプト,(2) テキストスタイル転送 (tst) プロンプトで擬似参照を使用するプロンプトである。
いずれの場合においても,アウトプットを過剰に生成してランク付けし,意味的正確性,パーソナリティマッチング,フラレンシの自動測定に基づいて複数のランキング関数をテストすることで,パフォーマンスを大幅に向上できることを示す。
また,レストランドメインからのNLGパーソナライズデモをゲームドメインの意味表現で使用して,ビデオゲームに関するパーソナライズされた発話を生成できるかどうかを検証した。
以上の結果から,tstプロンプトが最も高い意味的正確性(レストラン78.46%,ビデオゲーム87.6%)とパーソナリティ的正確性(レストラン100%,ビデオゲーム97%)が得られた。
ビデオゲームの発話にパーソナリティスタイルを移すことの結果は驚くほど良い。
我々の知る限り、NLGのスタイルとセマンティックの精度を同時に制御するためのプロンプトベース学習の適用をテストする以前の作業はない。
関連論文リスト
- LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced
Personality Detection Model [58.887561071010985]
パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。
既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。
本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
論文 参考訳(メタデータ) (2024-03-12T12:10:18Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳(メタデータ) (2023-10-31T08:23:33Z) - InCharacter: Evaluating Personality Fidelity in Role-Playing Agents
through Psychological Interviews [58.43874908985246]
本稿では, RPAの性格的忠実度を心理的尺度で評価するための新しい視点を紹介する。
実験には様々な種類の RPA と LLM が含まれ、14の広く使用されている心理学的尺度で32の異なる文字をカバーしている。
InCharacterでは、現在最先端のRPAが人物の人格と高度に一致した個性を示し、80.7%の精度を達成している。
論文 参考訳(メタデータ) (2023-10-27T08:42:18Z) - Editing Personality for LLMs [95.04195851095481]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
この課題に対処するため、新しいベンチマークデータセットPersonalityEditを構築した。
論文 参考訳(メタデータ) (2023-10-03T16:02:36Z) - Modeling Player Personality Factors from In-Game Behavior and Affective
Expression [17.01727448431269]
我々は,記録されたゲーム内行動から,一連のプレイヤパーソナリティアンケート値を予測する可能性を探る。
ロールプレイングゲーム『Fallout: New Vegas』のカスタマイズ版を60分間のゲームプレイで62人を対象に,定評ある7つの質問紙から,さまざまなパーソナリティ指標を予測した。
論文 参考訳(メタデータ) (2023-08-27T22:59:08Z) - Revisiting the Role of Language Priors in Vision-Language Models [96.59023532372842]
視覚言語モデル(VLM)は、微調整なしで、ゼロショット方式で様々な視覚的理解タスクに適用される。
我々は、画像から次の単語を生成するために訓練された$textitgenerative VLMs$について研究する。
画像テキスト検索の図解的タスクにおけるゼロショット性能を,8つの人気のある視覚言語ベンチマークで検証する。
論文 参考訳(メタデータ) (2023-06-02T19:19:43Z) - Identifying and Manipulating the Personality Traits of Language Models [9.213700601337383]
言語モデルにおける知覚的パーソナリティが、言語生成において一貫して現れるかどうかを検討する。
BERT や GPT2 のような言語モデルでは、異なる文脈におけるパーソナライズマーカーの識別と反映が一貫して可能であることを示す。
この振る舞いは、非常に予測可能な方法で操作できる能力を示し、それらを人格の特徴を特定し、ダイアログシステムのようなアプリケーションにおけるペルソナを制御するツールとしてフレーム化します。
論文 参考訳(メタデータ) (2022-12-20T14:24:11Z) - MBTI Personality Prediction for Fictional Characters Using Movie Scripts [34.24896499537589]
我々は,映画キャラクタのMBTIやビッグ5の性格タイプを予測するために,Story2Personalityというベンチマークを構築した。
実験の結果,既存のテキスト分類モデルでは作業が困難であることが確認された。
言語記述と非言語記述の両方を用いた人格予測のための多視点モデルを提案する。
論文 参考訳(メタデータ) (2022-10-20T03:41:07Z) - Learning to Prompt for Vision-Language Models [82.25005817904027]
視覚言語による事前学習が表現学習の有望な代替手段として登場した。
画像と離散ラベルを使って、視覚的な概念と見なされる一連の重みを学習する伝統から、2つの異なるエンコーダのための画像と生のテキストの整列へと移行する。
このようなパラダイムは、より広範な監視源の恩恵を受け、下流タスクへのゼロショット転送を可能にします。
論文 参考訳(メタデータ) (2021-09-02T17:57:31Z) - Modeling Dyadic Conversations for Personality Inference [8.19277339277905]
本稿では,個人間の対話に基づく非教師付き個人会話埋め込み(PCE)学習のための拡張GRUモデルを提案する。
映画スクリプトにおける文字間の会話から収集した映画スクリプトデータセットについて実験を行った。
論文 参考訳(メタデータ) (2020-09-26T01:25:42Z)
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。