論文の概要: PAGE: A Position-Aware Graph-Based Model for Emotion Cause Entailment in Conversation

• arxiv url: http://arxiv.org/abs/2303.01795v1
• Date: Fri, 3 Mar 2023 09:13:23 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-06 15:44:40.434629
• Title: PAGE: A Position-Aware Graph-Based Model for Emotion Cause Entailment in Conversation
• Title（参考訳）: page: 会話における感情要因の重み付けのための位置認識グラフモデル
• Authors: Xiaojie Gu, Renze Lou, Lin Sun, Shangxin Li
• Abstract要約: Conversational Causal Emotion Entailment (C2E2)は、会話中のターゲット感情に対応する原因を認識することを目的としたタスクである。 会話全体を符号化し、発話間の因果関係を完全にモデル化する新しい位置認識グラフを考案する。 提案手法は,2つの挑戦的テストセット上での最先端性能を一貫して達成する。
• 参考スコア（独自算出の注目度）: 3.8754794750431447
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Conversational Causal Emotion Entailment (C2E2) is a task that aims at recognizing the causes corresponding to a target emotion in a conversation. The order of utterances in the conversation affects the causal inference. However, most current position encoding strategies ignore the order relation among utterances and speakers. To address the issue, we devise a novel position-aware graph to encode the entire conversation, fully modeling causal relations among utterances. The comprehensive experiments show that our method consistently achieves state-of-the-art performance on two challenging test sets, proving the effectiveness of our model. Our source code is available on Github: https://github.com/XiaojieGu/PAGE.
• Abstract（参考訳）: Conversational Causal Emotion Entailment (C2E2)は、会話中のターゲット感情に対応する原因を認識することを目的としたタスクである。 会話における発話の順序は因果推論に影響する。 しかし、現在の位置符号化戦略のほとんどは、発話と話者間の順序関係を無視している。 この問題に対処するため,発話間の因果関係を完全にモデル化し,会話全体を符号化する位置認識グラフを考案した。 包括的実験により,本手法は2つの挑戦的なテストセットに対して常に最先端の性能を達成し,モデルの有効性を実証した。 私たちのソースコードはGithubで公開されています。

関連論文リスト

• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• SceneGATE: Scene-Graph based co-Attention networks for TExt visual question answering [2.8974040580489198]
  テキストVQAのためのScene Graphベースのコアテンションネットワーク(SceneGATE)を提案する。 対象物間の意味的関係、光学文字認識(OCR)トークンおよび質問語を明らかにする。 これはTextVQAベースのシーングラフによって実現され、画像の基盤となるセマンティクスを検出する。
  論文  参考訳（メタデータ） (2022-12-16T05:10:09Z)
• A Graph-Based Context-Aware Model to Understand Online Conversations [3.8345539498627437]
  オンライン会話では、コメントや返信は、すぐに関連する情報以外の外部のコンテキストに基づいている可能性がある。 グラフウォークを用いて会話のより広いコンテキストを組み込む新しいグラフベースのディープラーニングアーキテクチャであるGraphNLIを提案する。 極性予測と擬似的ヘイトスピーチ検出という2つのタスクでGraphNLIを評価する。
  論文  参考訳（メタデータ） (2022-11-16T20:51:45Z)
• Don't Copy the Teacher: Data and Model Challenges in Embodied Dialogue [92.01165203498299]
  後続の身体的対話命令は、自然言語交換から複雑なタスクのシーケンスを完了させるエージェントを必要とする。 本稿では,模倣学習(IL)と関連する低レベルメトリクスが,実際には誤解を招くものであり,具体的対話研究の目標と一致していないことを論じる。
  論文  参考訳（メタデータ） (2022-10-10T05:51:40Z)
• Neutral Utterances are Also Causes: Enhancing Conversational Causal Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
  Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。 感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
  論文  参考訳（メタデータ） (2022-05-02T09:12:32Z)
• 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)
• S+PAGE: A Speaker and Position-Aware Graph Neural Network Model for Emotion Recognition in Conversation [12.379143886125926]
  近年,会話における感情認識 (ERC) が注目されている。 既存のERCメソッドは、主に自己と話者間のコンテキストを個別にモデル化し、それら間の相互作用が十分でないために大きな問題となる。 本稿では,トランスフォーマーとリレーショナルグラフネットワークの両方の利点を組み合わせる3つの段階を含む,ERC(S+)のための新しい話者・位置対応グラフニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2021-12-23T07:25:02Z)
• Recognizing Emotion Cause in Conversations [82.88647116730691]
  テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。 RECCONというデータセットとの会話で感情の原因を認識するタスクを紹介します。
  論文  参考訳（メタデータ） (2020-12-22T03:51:35Z)
• Exploiting Unsupervised Data for Emotion Recognition in Conversations [76.01690906995286]
  会話における感情認識(Emotion Recognition in Conversations:ERC)は、会話における話者の感情状態を予測することを目的としている。 ERCタスクの教師付きデータは限られている。 教師なし会話データを活用する新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-10-02T13:28:47Z)

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。