論文の概要: Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach
- arxiv url: http://arxiv.org/abs/2307.07994v1
- Date: Sun, 16 Jul 2023 09:58:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-18 16:23:07.952504
- Title: Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach
- Title(参考訳): ポジティブ感情誘発を伴う多ターン感情支援会話の促進:強化学習アプローチ
- Authors: Jinfeng Zhou, Zhuang Chen, Bo Wang, Minlie Huang
- Abstract要約: 感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的なポジティブな移行を導くための明確な目標が欠如している、接地された応答と対応戦略に留まっている。
マルチターンESCを肯定的感情誘発のプロセスとして定式化する新しいパラダイムを導入する。
- 参考スコア(独自算出の注目度): 58.88422314998018
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotional support conversation (ESC) aims to provide emotional support (ES)
to improve one's mental state. Existing works stay at fitting grounded
responses and responding strategies (e.g., question), which ignore the effect
on ES and lack explicit goals to guide emotional positive transition. To this
end, we introduce a new paradigm to formalize multi-turn ESC as a process of
positive emotion elicitation. Addressing this task requires finely adjusting
the elicitation intensity in ES as the conversation progresses while
maintaining conversational goals like coherence. In this paper, we propose
Supporter, a mixture-of-expert-based reinforcement learning model, and well
design ES and dialogue coherence rewards to guide policy's learning for
responding. Experiments verify the superiority of Supporter in achieving
positive emotion elicitation during responding while maintaining conversational
goals including coherence.
- Abstract(参考訳): 感情支援会話(ESC)は、精神状態を改善するための感情支援(ES)を提供することを目的としている。
既存の作業は、ESへの影響を無視し、感情的な肯定的な移行を導く明確な目標を欠く、接地された応答と対応戦略(例えば質問)に留まっている。
そこで本研究では,多ターンescをポジティブ感情誘発のプロセスとして定式化する新しいパラダイムを提案する。
このタスクに対処するには、コヒーレンスのような会話目標を維持しながら会話が進行するにつれて、ESのエリケーション強度を微調整する必要がある。
本稿では,専門家による強化学習モデルであるサポーターを提案し,esと対話のコヒーレンスをうまく設計し,政策の学習を指導して回答する。
実験は,コヒーレンスを含む会話目標を維持しながら,反応時の肯定的感情誘発における支援者の優位性を検証する。
関連論文リスト
- Can Large Language Models be Good Emotional Supporter? Mitigating
Preference Bias on Emotional Support Conversation [29.98248779453701]
この研究はESConv上での大規模言語モデル(LLM)の結果を分析した。
特定の戦略に対する高い嗜好を示すことは、効果的な感情的支援を妨げている。
その結果,(1) 特定の戦略に対する嗜好の低さは情緒的支援の進行を妨げること,(2) 外部援助は嗜好バイアスの軽減に役立つこと,(3) LLMだけでは感情的な支持者にはならないことが強調された。
論文 参考訳(メタデータ) (2024-02-20T18:21:32Z) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳(メタデータ) (2024-01-31T11:30:24Z) - K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via
Prompt Learning [83.19215082550163]
K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。
本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
論文 参考訳(メタデータ) (2023-12-16T08:10:10Z) - From Multilingual Complexity to Emotional Clarity: Leveraging
Commonsense to Unveil Emotions in Code-Mixed Dialogues [38.87497808740538]
会話中の感情を理解することは人間のコミュニケーションの基本的な側面であり、会話における感情認識のためのNLP研究を推進している。
本稿では,感情のより深い理解を促進するために,コモンセンス情報を対話コンテキストと統合する革新的なアプローチを提案する。
総合的な実験により,ERCにおけるコモンセンスの体系的導入によって得られた実質的な性能向上が示された。
論文 参考訳(メタデータ) (2023-10-19T18:17:00Z) - Building Emotional Support Chatbots in the Era of LLMs [64.06811786616471]
我々は,Large Language Models (LLMs) の計算能力で人間の洞察を合成する革新的な方法論を導入する。
また,ChatGPTの文脈内学習の可能性を利用して,ExTESと呼ばれる感情支援対話データセットを生成する。
次に、LLaMAモデルに高度なチューニング手法を展開し、多様なトレーニング戦略の影響を検証し、最終的に感情的支援の相互作用に細心の注意を払ってLLMを出力する。
論文 参考訳(メタデータ) (2023-08-17T10:49:18Z) - Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation [39.747587984500406]
本稿では,肯定的な感情誘発を伴う共感的対話生成の課題について述べる。
エージェントは、マルチターンダイアログにおいて、ユーザのポジティブ感情を引き出すターゲットとともに共感応答を行う。
我々はPosEmoDialと呼ばれる肯定的な感情誘発を伴う大規模感情対話データセットを収集する。
論文 参考訳(メタデータ) (2022-04-22T05:32:08Z) - Towards Emotional Support Dialog Systems [61.58828606097423]
本稿では,感情支援会話タスクを定義し,ヘルピングスキル理論に基づくESCフレームワークを提案する。
本研究では,豊かなアノテーション(特にサポート戦略)をヘルプシーカとサポーターモードで組み込んだ感情支援会話データセット(ESConv)を構築した。
情緒的サポートを提供する能力に関して、最先端の対話モデルを評価する。
論文 参考訳(メタデータ) (2021-06-02T13:30:43Z) - Reinforcement Learning for Emotional Text-to-Speech Synthesis with
Improved Emotion Discriminability [82.39099867188547]
感情的テキスト音声合成(ETTS)は近年大きく進歩している。
i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。
i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
論文 参考訳(メタデータ) (2021-04-03T13:52:47Z)
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。