論文の概要: Disentangled Variational Autoencoder for Emotion Recognition in Conversations

• arxiv url: http://arxiv.org/abs/2305.14071v1
• Date: Tue, 23 May 2023 13:50:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 16:02:38.050974
• Title: Disentangled Variational Autoencoder for Emotion Recognition in Conversations
• Title（参考訳）: 会話における感情認識のためのばらつき可変オートエンコーダ
• Authors: Kailai Yang, Tianlin Zhang, Sophia Ananiadou
• Abstract要約: 会話(ERC)における感情認識のためのVAD-VAE(VAD-VAE)を提案する。 VAD-VAEは3つをアンタングルし、Valence-Arousal-Dominance(VAD)を潜在空間から表現する。 実験により、VAD-VAEは2つのデータセット上で最先端のモデルより優れていることが示された。
• 参考スコア（独自算出の注目度）: 14.92924920489251
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Emotion Recognition in Conversations (ERC), the emotions of target utterances are closely dependent on their context. Therefore, existing works train the model to generate the response of the target utterance, which aims to recognise emotions leveraging contextual information. However, adjacent response generation ignores long-range dependencies and provides limited affective information in many cases. In addition, most ERC models learn a unified distributed representation for each utterance, which lacks interpretability and robustness. To address these issues, we propose a VAD-disentangled Variational AutoEncoder (VAD-VAE), which first introduces a target utterance reconstruction task based on Variational Autoencoder, then disentangles three affect representations Valence-Arousal-Dominance (VAD) from the latent space. We also enhance the disentangled representations by introducing VAD supervision signals from a sentiment lexicon and minimising the mutual information between VAD distributions. Experiments show that VAD-VAE outperforms the state-of-the-art model on two datasets. Further analysis proves the effectiveness of each proposed module and the quality of disentangled VAD representations. The code is available at https://github.com/SteveKGYang/VAD-VAE.
• Abstract（参考訳）: 会話における感情認識(erc)では、対象発話の感情は文脈に密接に依存する。 そこで,既存の研究は,文脈情報を利用した感情認識を目的とした,対象発話の応答を生成するためにモデルを訓練する。 しかし、隣接する応答生成は長距離依存を無視し、多くの場合、限られた感情情報を提供する。 さらに、ほとんどのERCモデルは、解釈可能性や頑健性に欠ける発話ごとに統一された分散表現を学ぶ。 これらの問題に対処するために、まず、変分オートエンコーダに基づくターゲット発話再構成タスクを導入し、次に、潜時空間からValence-Arousal-Dominance (VAD) に影響を及ぼす3つの表現を分解するVAD-VAE(Valence-Arousal-Dominance)を提案する。 また,感情レキシコンからVAD監視信号を導入し,VAD分布間の相互情報を最小化することにより,不整合表現を強化する。 実験によれば、vad-vaeは2つのデータセットで最先端のモデルを上回る。 さらに解析により,各モジュールの有効性と不整合なVAD表現の品質が証明される。 コードはhttps://github.com/stevekgyang/vad-vaeで入手できる。

関連論文リスト

• CR-VAE: Contrastive Regularization on Variational Autoencoders for Preventing Posterior Collapse [1.0044057719679085]
  変分オートエンコーダ(VAE)は, テクスト後部崩壊現象に悩まされていることが知られている 変分オートエンコーダ(CR-VAE)のコントラスト正規化という新しい解を提案する。
  論文  参考訳（メタデータ） (2023-09-06T13:05:42Z)
• Interpretable Sentence Representation with Variational Autoencoders and Attention [0.685316573653194]
  自然言語処理(NLP)における近年の表現学習技術の解釈可能性を高める手法を開発した。 変動オートエンコーダ (VAEs) は, 遅延生成因子の観測に有効である。 帰納的バイアスを持つ2つのモデルを構築し、潜在表現の情報を注釈付きデータなしで理解可能な概念に分離する。
  論文  参考訳（メタデータ） (2023-05-04T13:16:15Z)
• Progressive Semantic-Visual Mutual Adaption for Generalized Zero-Shot Learning [74.48337375174297]
  一般化ゼロショット学習(GZSL)は、目に見えない領域から移行した知識によって、見えないカテゴリを特定する。 プロトタイプと視覚特徴の対応性を段階的にモデル化するために,デュアルセマンティック・ビジュアル・トランスフォーマーモジュール(DSVTM)をデプロイする。 DSVTMは、インスタンス中心のプロトタイプを学習して異なる画像に適応させる、インスタンス駆動セマンティックエンコーダを考案した。
  論文  参考訳（メタデータ） (2023-03-27T15:21:43Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Conditional Deep Hierarchical Variational Autoencoder for Voice Conversion [5.538544897623972]
  変分オートエンコーダに基づく音声変換(VAE-VC)は、訓練のために音声と話者ラベルのペアだけを必要とする利点がある。 本稿では, モデル表現性の増加がVAE-VCに与える影響について検討する。
  論文  参考訳（メタデータ） (2021-12-06T05:54:11Z)
• Unsupervised Speech Enhancement using Dynamical Variational Auto-Encoders [29.796695365217893]
  動的変分自動エンコーダ(Dynamical Variational Auto-Encoders, DVAE)は、潜伏変数を持つ深部生成モデルのクラスである。 DVAEの最も一般的な形式に基づく教師なし音声強調アルゴリズムを提案する。 音声強調を行うための変分予測最大化アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2021-06-23T09:48:38Z)
• Discrete Auto-regressive Variational Attention Models for Text Modeling [53.38382932162732]
  変分オートエンコーダ(VAE)はテキストモデリングに広く応用されている。 情報不足と後部崩壊という2つの課題に悩まされている。 本稿では,自己回帰変動注意モデル(DAVAM)を提案する。
  論文  参考訳（メタデータ） (2021-06-16T06:36:26Z)
• Hierarchical Variational Autoencoder for Visual Counterfactuals [79.86967775454316]
  条件変量オート(VAE)は、説明可能な人工知能(XAI)ツールとして注目されている。 本稿では, 後部の効果がいかに緩和され, 対物的効果が成功するかを示す。 本稿では,アプリケーション内の分類器を視覚的に監査できる階層型VAEについて紹介する。
  論文  参考訳（メタデータ） (2021-02-01T14:07:11Z)
• Directional ASR: A New Paradigm for E2E Multi-Speaker Speech Recognition with Source Localization [73.62550438861942]
  本稿では、指向性自動音声認識(D-ASR)と呼ばれる、エンドツーエンドのニューラルネットワーク方式で遠距離場マルチスピーカデータを処理するための新しいパラダイムを提案する。 D-ASRでは、マイクロホンアレイに対するソースの方位角を潜時変数として定義する。
  論文  参考訳（メタデータ） (2020-10-30T20:26:28Z)
• DAM: Deliberation, Abandon and Memory Networks for Generating Detailed and Non-repetitive Responses in Visual Dialogue [29.330198609132207]
  高品質な応答を生成するための新しい生成復号アーキテクチャを提案する。 このアーキテクチャでは、単語生成は一連の注意に基づく情報選択ステップに分解される。 応答は、意味的正確性を維持しながら、より詳細で反復的でない記述を含む。
  論文  参考訳（メタデータ） (2020-07-07T09:49:47Z)
• Improve Variational Autoencoder for Text Generationwith Discrete Latent Bottleneck [52.08901549360262]
  変分オートエンコーダ(VAE)は、エンドツーエンドの表現学習において必須のツールである。 VAEは強い自己回帰デコーダで潜伏変数を無視する傾向がある。 よりコンパクトな潜在空間において暗黙的な潜在特徴マッチングを強制する原理的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-22T14:41:37Z)

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。