論文の概要: The More Similar, the Better? Associations between Latent Semantic Similarity and Emotional Experiences Differ across Conversation Contexts

• arxiv url: http://arxiv.org/abs/2309.12646v3
• Date: Mon, 26 May 2025 14:22:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-28 14:37:18.050915
• Title: The More Similar, the Better? Associations between Latent Semantic Similarity and Emotional Experiences Differ across Conversation Contexts
• Title（参考訳）: より類似し、より良いか? 会話の文脈にまたがる潜在セマンティック類似性と感情経験の関係
• Authors: Chen-Wei Yu, Yun-Shiuan Chuang, Alexandros N. Lotsos, Tabea Meier, Claudia M. Haase,
• Abstract要約: ラテント意味類似度(Lant semantic similarity、LSS)は、会話における情報交換の類似度を測る尺度である。 この研究は、LSSの感情的関連を理解する上での文脈の重要性を強調している。
• 参考スコア（独自算出の注目度）: 39.58317527488534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Latent semantic similarity (LSS) is a measure of the similarity of information exchanges in a conversation. Challenging the assumption that higher LSS bears more positive psychological meaning, we propose that this association might depend on the type of conversation people have. On the one hand, the share-mind perspective would predict that higher LSS should be associated with more positive emotional experiences across the board. The broaden-and-build theory, on the other hand, would predict that higher LSS should be inversely associated with more positive emotional experiences specifically in pleasant conversations. Linear mixed modeling based on conversations among 50 long-term married couples supported the latter prediction. That is, partners experienced greater positive emotions when their overall information exchanges were more dissimilar in pleasant (but not conflict) conversations. This work highlights the importance of context in understanding the emotional correlates of LSS and exemplifies how modern natural language processing tools can be used to evaluate competing theory-driven hypotheses in social psychology.
• Abstract（参考訳）: ラテント意味類似度(Lant semantic similarity、LSS)は、会話における情報交換の類似度を測る尺度である。 高いLSSがより肯定的な意味を持つという仮定に従えば、この関係は人々が持つ会話の種類に依存するかもしれない。 一方、シェアミンドの視点では、より高いLSSは、ボード全体のよりポジティブな感情体験と結びついていなければならないと予測される。 一方、広義・建設理論は、高いLSSは、特に快適な会話において、よりポジティブな感情経験と逆の関連性を持つべきであると予測する。 50人の夫婦の会話に基づく線形混合モデルが後者の予測を支持した。 つまり、全体的な情報交換が楽しい(しかし対立しない)会話で異なっていたとき、パートナーはよりポジティブな感情を経験しました。 この研究は、LSSの感情的関連を理解する上での文脈の重要性を強調し、現代の自然言語処理ツールが社会心理学における競合する理論駆動仮説を評価するためにどのように使用できるかを示す。

関連論文リスト

• Large Language Models Often Say One Thing and Do Another [49.22262396351797]
  我々はWords and Deeds Consistency Test (WDCT)と呼ばれる新しい評価ベンチマークを開発した。 このベンチマークは、異なるドメインにわたる単語ベースの質問とdeedベースの質問の厳密な対応を確立する。 評価結果から,異なるLLMとドメイン間で単語と行為の矛盾が広範囲にあることが明らかとなった。
  論文  参考訳（メタデータ） (2025-03-10T07:34:54Z)
• Personality Differences Drive Conversational Dynamics: A High-Dimensional NLP Approach [1.9336815376402723]
  我々は、見知らぬ人との対話の軌跡を高次元空間にマッピングする。 本研究は,オープンネスの個性次元の差が大きいインターロケータが相互に影響し,幅広い話題を議論するのにより多くの時間を費やすことを示唆している。 また、参加者の感情(感情)が会話の前から後までどのように変化するかを調べ、外転の差が大きいと影響の差が大きくなることを予測している。
  論文  参考訳（メタデータ） (2024-10-14T19:48:31Z)
• Multimodal Fusion with LLMs for Engagement Prediction in Natural Conversation [70.52558242336988]
  我々は,不関心や混乱の兆候を検出することを目的として,言語的および非言語的手がかりを精査することにより,ダイアディック的相互作用における係り合いを予測することに焦点を当てた。 本研究では,カジュアルなダイアディック会話に携わる34人の参加者を対象に,各会話の最後に自己報告されたエンゲージメント評価を行うデータセットを収集する。 大規模言語モデル(LLMs)を用いた新たな融合戦略を導入し,複数行動モダリティをマルチモーダル・トランスクリプトに統合する。
  論文  参考訳（メタデータ） (2024-09-13T18:28:12Z)
• AntEval: Evaluation of Social Interaction Competencies in LLM-Driven Agents [65.16893197330589]
  大規模言語モデル(LLM)は、幅広いシナリオで人間の振る舞いを再現する能力を示した。 しかし、複雑なマルチ文字のソーシャルインタラクションを扱う能力については、まだ完全には研究されていない。 本稿では,新しいインタラクションフレームワークと評価手法を含むマルチエージェントインタラクション評価フレームワーク(AntEval)を紹介する。
  論文  参考訳（メタデータ） (2024-01-12T11:18:00Z)
• Relationship between auditory and semantic entrainment using Deep Neural Networks (DNN) [0.0]
  本研究では、BERTやTRILL(TRILL)ベクターのような最先端の埋め込みを利用して、対話中のターンの意味的および聴覚的類似性を測定する特徴を抽出した。 聴覚機能と比較して意味的特徴を訓練する傾向が見られた。 本研究の成果は,ヒトと機械の相互作用(HMI)におけるエントレインメントのメカニズムの実装に役立つかもしれない。
  論文  参考訳（メタデータ） (2023-12-27T14:50:09Z)
• ChatGPT Evaluation on Sentence Level Relations: A Focus on Temporal, Causal, and Discourse Relations [52.26802326949116]
  対話型大規模言語モデルChatGPTの性能を,文間関係に基づいて定量的に評価する。 ChatGPTは因果関係の検出と推論において極めて優れた能力を示す。 既存の明示的な談話接続物との談話関係の大多数を特定できるが、暗黙的な談話関係は依然として恐ろしい課題である。
  論文  参考訳（メタデータ） (2023-04-28T13:14:36Z)
• Learning to Memorize Entailment and Discourse Relations for Persona-Consistent Dialogues [8.652711997920463]
  既存の作業は、高度ネットワーク構造を持つ対話者ペルソナを意図的に学習することで、対話システムの性能を改善した。 本研究は,ペルソナ一貫性のある対話課題における係り受け関係と談話関係を記憶する学習方法を提案する。
  論文  参考訳（メタデータ） (2023-01-12T08:37:00Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• A Neural Network-Based Linguistic Similarity Measure for Entrainment in Conversations [12.052672647509732]
  言語訓練は、人々が会話でお互いを模倣する傾向がある現象である。 現在の類似度尺度のほとんどは、back-of-wordsアプローチに基づいている。 本稿では,ニューラルネットワークモデルを用いて,運動の類似度を測定することを提案する。
  論文  参考訳（メタデータ） (2021-09-04T19:48:17Z)
• Who Responded to Whom: The Joint Effects of Latent Topics and Discourse in Conversation Structure [53.77234444565652]
  会話談話における応答関係を同定し,会話の開始に応答発話をリンクする。 単語分布における潜在トピックと会話を学習し,ペアワイズ開始応答リンクを予測するモデルを提案する。 英語と中国語の会話における実験結果から,我々のモデルは過去の芸術の状況を大きく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2021-04-17T17:46:00Z)
• Decoupling entrainment from consistency using deep neural networks [14.823143667165382]
  一貫性の効果、すなわち個々のスタイルに固執する話者を孤立させることは、訓練の分析において重要な部分である。 そこで本研究では,話者の発声特徴を,その後の出力予測のコンファウンドとして扱うことを提案する。 既存の2つのニューラルアプローチを用いて、一貫性を制御するエントレインメントの新しい尺度を定義した。
  論文  参考訳（メタデータ） (2020-11-03T17:30:05Z)

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。