論文の概要: ECQED: Emotion-Cause Quadruple Extraction in Dialogs
- arxiv url: http://arxiv.org/abs/2306.03969v2
- Date: Sat, 10 Jun 2023 06:52:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-13 23:06:13.986281
- Title: ECQED: Emotion-Cause Quadruple Extraction in Dialogs
- Title（参考訳）: ECQED: 対話における感情的四重項抽出
- Authors: Li Zheng, Donghong Ji, Fei Li, Hao Fei, Shengqiong Wu, Jingye Li, Bobo
Li, Chong Teng
- Abstract要約: 本稿では,感情に起因した発話対と感情と原因型を検出することを必要とする,感情・因果関係の4次抽出(ECQED)を提案する。
より詳細な感情を導入し,特徴が明らかに対話生成に有効であることを示す。
- 参考スコア（独自算出の注目度）: 37.66816413841564
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The existing emotion-cause pair extraction (ECPE) task, unfortunately,
ignores extracting the emotion type and cause type, while these fine-grained
meta-information can be practically useful in real-world applications, i.e.,
chat robots and empathic dialog generation. Also the current ECPE is limited to
the scenario of single text piece, while neglecting the studies at dialog level
that should have more realistic values. In this paper, we extend the ECPE task
with a broader definition and scenario, presenting a new task, Emotion-Cause
Quadruple Extraction in Dialogs (ECQED), which requires detecting emotion-cause
utterance pairs and emotion and cause types. We present an ECQED model based on
a structural and semantic heterogeneous graph as well as a parallel grid
tagging scheme, which advances in effectively incorporating the dialog context
structure, meanwhile solving the challenging overlapped quadruple issue. Via
experiments we show that introducing the fine-grained emotion and cause
features evidently helps better dialog generation. Also our proposed ECQED
system shows exceptional superiority over baselines on both the emotion-cause
quadruple or pair extraction tasks, meanwhile being highly efficient.
- Abstract（参考訳）: 既存のemotion-induced pair extraction (ecpe)タスクは残念ながら、感情のタイプと原因のタイプを抽出することを無視するが、これらのきめ細かいメタ情報は実際のアプリケーション、例えばチャットロボットや共感的な対話生成で実際に有用である。
また、現在のECPEは、より現実的な値を持つはずのダイアログレベルでの研究を無視しながら、シングルテキストのシナリオに限られています。
本稿では,ECPEタスクをより広い定義とシナリオで拡張し,感情に起因した発話のペアと感情と原因のタイプを検出することを必要とする,新たなタスクであるECQED(Emotion-Cause Quadruple extract in Dialogs)を提案する。
本稿では,構造的および意味的不均一グラフに基づくecqedモデルと並列グリッドタグ付け方式を提案する。
実験により, 微粒な感情の導入と特徴の付与がダイアログ生成の促進に役立つことが明らかとなった。
また,提案したECQEDシステムでは,感情に起因した4重項タスクとペア抽出タスクの両方に対して,高い効率性を示す。
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) - Discourse-Aware Emotion Cause Extraction in Conversations [21.05202596080196]
会話における感情的原因抽出(ECEC)は、会話における感情的原因を含む発話を抽出することを目的としている。
本稿では,この課題に対する談話認識モデル(DAM)を提案する。
ベンチマークコーパスの結果、DAMは文学における最先端システム(SOTA)よりも優れていた。
論文 参考訳（メタデータ） (2022-10-26T02:11:01Z) - A Multi-turn Machine Reading Comprehension Framework with Rethink
Mechanism for Emotion-Cause Pair Extraction [6.6564045064972825]
感情原因ペア抽出(ECPE)は感情原因分析の新たな課題である。
本稿では,ECPE タスクに対処するための再考機構 (MM-R) を備えたマルチターン MRC フレームワークを提案する。
我々のフレームワークは、ペアリング行列の生成を避けながら、感情と原因の複雑な関係をモデル化することができる。
論文 参考訳（メタデータ） (2022-09-16T14:38:58Z) - SPACE-2: Tree-Structured Semi-Supervised Contrastive Pre-training for
Task-Oriented Dialog Understanding [68.94808536012371]
本稿では,限定ラベル付きダイアログと大規模未ラベルダイアログコーパスから対話表現を学習する,木構造付き事前学習会話モデルを提案する。
提案手法は,7つのデータセットと4つの一般的な対話理解タスクからなるDialoGLUEベンチマークにおいて,最新の結果が得られる。
論文 参考訳（メタデータ） (2022-09-14T13:42:50Z) - 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) - EmoWOZ: A Large-Scale Corpus and Labelling Scheme for Emotion in
Task-Oriented Dialogue Systems [3.3010169113961325]
EmoWOZはタスク指向対話の大規模手動感情注釈コーパスである。
11K以上の対話と83K以上の感情アノテーションを含む。
本稿では,タスク指向対話に適した新しい感情ラベリング手法を提案する。
論文 参考訳（メタデータ） (2021-09-10T15:00:01Z) - TOD-BERT: Pre-trained Natural Language Understanding for Task-Oriented
Dialogue [113.45485470103762]
本研究では,言語モデリングのためのタスク指向対話データセットを,人間とマルチターンの9つに統合する。
事前学習時の対話動作をモデル化するために,ユーザトークンとシステムトークンをマスク付き言語モデルに組み込む。
論文 参考訳（メタデータ） (2020-04-15T04:09:05Z) - ECSP: A New Task for Emotion-Cause Span-Pair Extraction and
Classification [0.9137554315375922]
Emotion-Cause Span-Pair extract and classification (ECSP) という新しい課題を提案する。
ECSPは、文書中の感情とそれに対応する原因の潜在的な範囲を抽出し、それぞれの感情を分類することを目的としている。
本研究では,感情と原因を直接抽出し,文書からペア化するETCモデルを提案する。
論文 参考訳（メタデータ） (2020-03-07T03:36:47Z) - End-to-end Emotion-Cause Pair Extraction via Learning to Link [18.741585103275334]
感情原因ペア抽出(ECPE)は、文書中の感情とその根本原因を共同で調査することを目的としている。
既存のECPEのアプローチでは、(1)感情と原因の検出、(2)検出された感情と原因のペアリングという2段階の手法が一般的である。
本稿では, 感情, 原因, 感情原因のペアをエンドツーエンドで同時に抽出できるマルチタスク学習モデルを提案する。
論文 参考訳（メタデータ） (2020-02-25T07:49:12Z) - A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。
文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-28T05:03:15Z)
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。