Fugu-MT 論文翻訳(概要): Emotion-Oriented Behavior Model Using Deep Learning

論文の概要: Emotion-Oriented Behavior Model Using Deep Learning

arxiv url: http://arxiv.org/abs/2311.14674v1
Date: Sat, 28 Oct 2023 17:27:59 GMT
ステータス: 処理完了
システム内更新日: 2023-12-03 14:03:29.747460
Title: Emotion-Oriented Behavior Model Using Deep Learning
Title（参考訳）: ディープラーニングを用いた感情指向行動モデル
Authors: Muhammad Arslan Raza, Muhammad Shoaib Farooq, Adel Khelifi, Atif Alvi
Abstract要約: 感情に基づく行動予測の精度は2尾のピアソン相関を用いて統計的に検証される。本研究は,感情指向行動に基づく多面的人工エージェントインタラクションの基盤となる。
参考スコア（独自算出の注目度）: 0.9176056742068812
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Emotions, as a fundamental ingredient of any social interaction, lead to behaviors that represent the effectiveness of the interaction through facial expressions and gestures in humans. Hence an agent must possess the social and cognitive abilities to understand human social parameters and behave accordingly. However, no such emotion-oriented behavior model is presented yet in the existing research. The emotion prediction may generate appropriate agents' behaviors for effective interaction using conversation modality. Considering the importance of emotions, and behaviors, for an agent's social interaction, an Emotion-based Behavior model is presented in this paper for Socio-cognitive artificial agents. The proposed model is implemented using tweets data trained on multiple models like Long Short-Term Memory (LSTM), Convolution Neural Network (CNN) and Bidirectional Encoder Representations from Transformers (BERT) for emotion prediction with an average accuracy of 92%, and 55% respectively. Further, using emotion predictions from CNN-LSTM, the behavior module responds using facial expressions and gestures using Behavioral Markup Language (BML). The accuracy of emotion-based behavior predictions is statistically validated using the 2-tailed Pearson correlation on the data collected from human users through questionnaires. Analysis shows that all emotion-based behaviors accurately depict human-like gestures and facial expressions based on the significant correlation at the 0.01 and 0.05 levels. This study is a steppingstone to a multi-faceted artificial agent interaction based on emotion-oriented behaviors. Cognition has significance regarding social interaction among humans.
Abstract（参考訳）: 感情は、あらゆる社会的相互作用の基本的な要素として、人間の表情やジェスチャーを通じた相互作用の有効性を表す行動に繋がる。したがって、エージェントは人間の社会的パラメータを理解し、それに応じて行動するための社会的および認知的能力を持つ必要がある。しかし、そのような感情指向行動モデルはまだ既存の研究では提示されていない。感情予測は、会話のモダリティを用いた効果的な対話のための適切なエージェントの行動を生成する。エージェントの社会的相互作用における感情や行動の重要性を考慮し,社会認知型人工エージェントの感情に基づく行動モデルを提案する。提案モデルでは,長短期記憶(LSTM)や畳み込みニューラルネットワーク(CNN),変換器(BERT)からの双方向エンコーダ表現など,複数のモデルで訓練されたツイートデータを用いて,平均精度92%と55%の感情予測を行う。さらに、CNN-LSTMからの感情予測を用いて、行動モジュールは、表情と行動マークアップ言語(BML)を用いたジェスチャーを用いて応答する。感情に基づく行動予測の精度は,質問紙から収集した2尾のピアソン相関を用いて統計的に検証した。分析により、すべての感情に基づく行動は、0.01レベルと0.05レベルの有意な相関に基づいて、人間のようなジェスチャーや表情を正確に表現している。本研究は,感情指向行動に基づく多面的人工エージェントインタラクションの基盤となる。認知は人間間の社会的相互作用において重要である。

関連論文リスト

CAPE: A Chinese Dataset for Appraisal-based Emotional Generation using Large Language Models [30.40159858361768]
認知評価理論に基づく感情コーパスという中国のデータセットであるCAPEを作成するための2段階の自動データ生成フレームワークを提案する。このコーパスは、多様な個人的・状況的要因を考慮し、文脈的に適切な感情的反応を伴う対話を生成する。我々の研究は、会話エージェントにおける感情表現を前進させる可能性を示し、よりニュアンスで有意義な人間とコンピュータの相互作用の道を開いた。
論文参考訳（メタデータ） (2024-10-18T03:33:18Z)
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)
Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
論文参考訳（メタデータ） (2023-11-16T06:20:13Z)
Computer Vision Estimation of Emotion Reaction Intensity in the Wild [1.5481864635049696]
本稿では,新たに導入された感情反応強度(ERI)推定課題について述べる。視覚領域で訓練された4つのディープニューラルネットワークと、感情反応強度を予測するために視覚的特徴と音声的特徴の両方で訓練されたマルチモーダルモデルを開発した。
論文参考訳（メタデータ） (2023-03-19T19:09:41Z)
Data-driven emotional body language generation for social robotics [58.88028813371423]
社会ロボティクスでは、人間型ロボットに感情の身体的表現を生成する能力を与えることで、人間とロボットの相互作用とコラボレーションを改善することができる。我々は、手作業で設計されたいくつかの身体表現から学習する深層学習データ駆動フレームワークを実装した。評価実験の結果, 生成した表現の人間同型とアニマシーは手作りの表現と異なる認識が得られなかった。
論文参考訳（メタデータ） (2022-05-02T09:21:39Z)
The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文参考訳（メタデータ） (2022-03-03T17:19:12Z)
Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文参考訳（メタデータ） (2021-04-20T16:55:15Z)
Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文参考訳（メタデータ） (2021-03-01T08:31:08Z)
Prediction of Human Empathy based on EEG Cortical Asymmetry [0.0]
特定の周波数帯における脳振動の側方化は、自己申告された共感スコアの重要な予測因子である。結果は、感情の表現や認識が困難である人々を支援する脳-コンピュータインターフェースの開発に利用される。
論文参考訳（メタデータ） (2020-05-06T13:49:56Z)
Generating Emotionally Aligned Responses in Dialogues using Affect Control Theory [15.848210524718219]
感情制御理論(Affect Control Theory、ACT)は、人間と人間の相互作用に対する感情の社会的・数学的モデルである。本研究では、ACTが感情認識型神経会話エージェントの開発にどのように役立つかを検討する。
論文参考訳（メタデータ） (2020-03-07T19:31:08Z)
SensAI+Expanse Emotional Valence Prediction Studies with Cognition and Memory Integration [0.0]
この研究は、認知科学研究を支援することができる人工知能エージェントに貢献する。開発された人工知能システム(SensAI+Expanse)には、機械学習アルゴリズム、共感アルゴリズム、メモリが含まれる。本研究は, 年齢と性別の相違が有意であることを示すものである。
論文参考訳（メタデータ） (2020-01-03T18:17:57Z)

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。