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

• Beyond Profile: From Surface-Level Facts to Deep Persona Simulation in LLMs [50.0874045899661]
  本稿では,キャラクタの言語パターンと特徴的思考過程の両方を再現するモデルであるキャラクタボットを紹介する。 ケーススタディとしてLu Xunを用いて、17冊のエッセイコレクションから得られた4つのトレーニングタスクを提案する。 これには、外部の言語構造と知識を習得することに焦点を当てた事前訓練タスクと、3つの微調整タスクが含まれる。 言語的正確性と意見理解の3つのタスクにおいて、キャラクタボットを評価し、適応されたメトリクスのベースラインを著しく上回ることを示す。
  論文  参考訳（メタデータ） (2025-02-18T16:11:54Z)
• The Dark Patterns of Personalized Persuasion in Large Language Models: Exposing Persuasive Linguistic Features for Big Five Personality Traits in LLMs Responses [0.0]
  我々は、ビッグファイブ・パーソナリティの様々なレベルにおけるパーソナリティに影響を与えるのに不可欠な13の言語的特徴を同定する。 モデルでは、不安関連語を神経症に用い、達成関連語を良心に用い、経験へのオープンネスのために認知過程語を減らしている。
  論文  参考訳（メタデータ） (2024-11-08T23:02:59Z)
• Capturing Minds, Not Just Words: Enhancing Role-Playing Language Models with Personality-Indicative Data [58.92110996840019]
  本稿では、パーソナリティを指標としたデータを用いて、ロールプレイング言語モデル(RPLM)を強化することを提案する。 具体的には、心理学的尺度からの質問を活用し、高度なRPAを蒸留し、文字の心を把握した対話を生成する。 実験により,本データセットを用いてトレーニングしたRPLMは,一般人格関連評価と人格関連評価の両面において,高度なロールプレイング能力を示した。
  論文  参考訳（メタデータ） (2024-06-27T06:24:00Z)
• 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 [57.04431594769461]
  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 Large Language Models [73.59001811199823]
  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。 このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
  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)
• 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。