論文の概要: Utilizing Speech Emotion Recognition and Recommender Systems for Negative Emotion Handling in Therapy Chatbots

• arxiv url: http://arxiv.org/abs/2311.11116v1
• Date: Sat, 18 Nov 2023 16:35:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 10:16:25.926070
• Title: Utilizing Speech Emotion Recognition and Recommender Systems for Negative Emotion Handling in Therapy Chatbots
• Title（参考訳）: セラピーチャットボットにおける音声感情認識と推薦システムを利用した否定的感情処理
• Authors: Farideh Majidi, Marzieh Bahrami
• Abstract要約: 本稿では,ユーザの感情を理解し,人間のような共感を与えることのできる,聴覚認知によるチャットボットのセラピーを強化するアプローチを提案する。 提案手法は,CNNモデルとShEMOデータセットを用いた音声感情認識(SER)技術を含む。 より没入的で共感的なユーザエクスペリエンスを実現するため、GlowTTSと呼ばれるテキスト音声モデルを統合する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Emotional well-being significantly influences mental health and overall quality of life. As therapy chatbots become increasingly prevalent, their ability to comprehend and respond empathetically to users' emotions remains limited. This paper addresses this limitation by proposing an approach to enhance therapy chatbots with auditory perception, enabling them to understand users' feelings and provide human-like empathy. The proposed method incorporates speech emotion recognition (SER) techniques using Convolutional Neural Network (CNN) models and the ShEMO dataset to accurately detect and classify negative emotions, including anger, fear, and sadness. The SER model achieves a validation accuracy of 88%, demonstrating its effectiveness in recognizing emotional states from speech signals. Furthermore, a recommender system is developed, leveraging the SER model's output to generate personalized recommendations for managing negative emotions, for which a new bilingual dataset was generated as well since there is no such dataset available for this task. The recommender model achieves an accuracy of 98% by employing a combination of global vectors for word representation (GloVe) and LSTM models. To provide a more immersive and empathetic user experience, a text-to-speech model called GlowTTS is integrated, enabling the therapy chatbot to audibly communicate the generated recommendations to users in both English and Persian. The proposed approach offers promising potential to enhance therapy chatbots by providing them with the ability to recognize and respond to users' emotions, ultimately improving the delivery of mental health support for both English and Persian-speaking users.
• Abstract（参考訳）: 感情的幸福は精神の健康と生活の質に大きく影響する。 セラピーチャットボットが普及するにつれて、ユーザーの感情を理解・共感する能力は限られている。 本稿では,聴覚認知を伴うセラピーチャットボットのアプローチを提案し,ユーザの感情を理解し,人間のような共感を提供する。 提案手法は,畳み込みニューラルネットワーク(cnn)モデルとシェモデータセットを用いた音声感情認識(ser)手法を用いて,怒り,恐怖,悲しみを含むネガティブ感情を高精度に検出・分類する。 serモデルは88%の検証精度を達成し、音声信号からの感情状態の認識に有効性を示している。 さらに、serモデルの出力を利用して、新しいバイリンガルデータセットが生成されたネガティブ感情を管理するためのパーソナライズドレコメンデーションを生成するレコメンデーションシステムを開発した。 レコメンダモデルは、単語表現のためのグローバルベクトル(glove)とlstmモデルの組み合わせを用いて、98%の精度を達成する。 より没入的で共感的なユーザエクスペリエンスを提供するため、glowttsと呼ばれるテキスト対音声モデルが統合され、英語とペルシア語の両方で生成されたレコメンデーションを聴くことができるセラピーチャットボットを提供する。 提案するアプローチは、ユーザの感情を認識し、応答する能力を提供し、最終的に英語とペルシア語を話すユーザーの両方にメンタルヘルスサポートを提供することによって、セラピーチャットボットを強化する有望な可能性を提供する。

関連論文リスト

• Emotion-Aware Response Generation Using Affect-Enriched Embeddings with LLMs [0.585143166250719]
  本研究は,精神医学的応用における大規模言語モデル(LLM)の感情的・文脈的理解を高めることの課題に対処する。 LLAMA 2、Flan-T5、ChatGPT 3.0、ChatGPT 4.0といった最先端のLLMと、複数の感情レキシコンを統合する新しいフレームワークを導入する。 一次データセットは、カウンセリング・アンド・サイコセラピー・データベースから2000以上の治療セッションの書き起こしを含み、不安、うつ病、トラウマ、中毒に関する議論をカバーしている。
  論文  参考訳（メタデータ） (2024-10-02T08:01:05Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。 本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。 その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• HealMe: Harnessing Cognitive Reframing in Large Language Models for Psychotherapy [25.908522131646258]
  メンタルエンハンスメント(HealMe)モデルにおける適応言語によるヘルピングとエンパワーメントについて紹介する。 この新しい認知的リフレーミング療法は、根深い否定的思考に効果的に対処し、合理的でバランスの取れた視点を育む。 我々は、認知リフレーミングのパフォーマンスを厳格に評価するために特別に設計された、包括的で専門的な心理学的評価指標を採用した。
  論文  参考訳（メタデータ） (2024-02-26T09:10:34Z)
• 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)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• 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)
• EMOVIE: A Mandarin Emotion Speech Dataset with a Simple Emotional Text-to-Speech Model [56.75775793011719]
  音声ファイルを含む9,724のサンプルとその感情ラベル付きアノテーションを含むマンダリン感情音声データセットを導入,公開する。 入力として追加の参照音声を必要とするこれらのモデルとは異なり、我々のモデルは入力テキストから直接感情ラベルを予測し、感情埋め込みに基づいてより表現力のある音声を生成することができる。 実験段階では、まず感情分類タスクによってデータセットの有効性を検証し、次に提案したデータセットに基づいてモデルをトレーニングし、一連の主観評価を行う。
  論文  参考訳（メタデータ） (2021-06-17T08:34:21Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• Speech-Based Emotion Recognition using Neural Networks and Information Visualization [1.52292571922932]
  本研究では,音声成分から音声サンプルを抽出し,様々な感情を識別するツールを提案する。 ダッシュボードは、音声データの直感的な表現のために、局所的なセラピストのニーズに基づいて設計されている。
  論文  参考訳（メタデータ） (2020-10-28T20:57:32Z)

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。