論文の概要: Enhancing Empathetic and Emotion Support Dialogue Generation with
Prophetic Commonsense Inference
- arxiv url: http://arxiv.org/abs/2311.15316v1
- Date: Sun, 26 Nov 2023 14:35:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-28 18:22:18.970678
- Title: Enhancing Empathetic and Emotion Support Dialogue Generation with
Prophetic Commonsense Inference
- Title(参考訳): 預言コモンセンス推論による共感・感情支援対話生成の促進
- Authors: Lanrui Wang, Jiangnan Li, Chenxu Yang, Zheng Lin, Weiping Wang
- Abstract要約: 本稿では,コモンセンス知識を推論する革新的なパラダイムである予言コモンセンス推論を提案する。
大規模言語モデルの能力を活用することで、過去と将来の対話のギャップを埋めるために、チューニング可能なモデルをトレーニングします。
共感ダイアログと感情支援会話を用いて行った実験から,提案した予言的コモンセンス推論と対話エージェントを併用することで,その応答の質が著しく向上することが示された。
- 参考スコア(独自算出の注目度): 18.051871143873697
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The interest in Empathetic and Emotional Support conversations among the
public has significantly increased. To offer more sensitive and understanding
responses, leveraging commonsense knowledge has become a common strategy to
better understand psychological aspects and causality. However, such
commonsense inferences can be out of context and unable to predict upcoming
dialogue themes, resulting in responses that lack coherence and empathy. To
remedy this issue, we present Prophetic Commonsense Inference, an innovative
paradigm for inferring commonsense knowledge. By harnessing the capabilities of
Large Language Models in understanding dialogue and making commonsense
deductions, we train tunable models to bridge the gap between past and
potential future dialogues. Extensive experiments conducted on
EmpatheticDialogues and Emotion Support Conversation show that equipping
dialogue agents with our proposed prophetic commonsense inference significantly
enhances the quality of their responses.
- Abstract(参考訳): 共感的および感情的支援の会話に対する人々の関心は大幅に高まっている。
より敏感で理解力のある回答を提供するために、常識的な知識を活用することは、心理的側面や因果性をよりよく理解するための共通の戦略となっている。
しかし、そのような常識推論は文脈外であり、今後の対話のテーマを予測できないため、一貫性や共感が欠如している。
本稿では,この問題を解決するために,コモンセンス知識を推論する革新的なパラダイムである予言コモンセンス推論を提案する。
対話の理解と常識的推論に大規模言語モデルの能力を活用することで,過去と将来の対話のギャップを埋めるために,可変モデルの訓練を行う。
共感的ダイアログと感情支援会話に関する広範な実験により,対話エージェントと提案する予言的コモンセンス推論を併用することで,反応の質が著しく向上することが示された。
関連論文リスト
- Empathy Through Multimodality in Conversational Interfaces [1.360649555639909]
会話型健康エージェント(CHA)は、感情的なインテリジェンスを組み込むためにテキスト分析を超越するニュアンスなサポートを提供することで、医療を再定義している。
本稿では、豊かなマルチモーダル対話のためのLCMベースのCHAについて紹介する。
マルチモーダルな手がかりを解析することにより、ユーザの感情状態に順応的に解釈し、応答し、文脈的に認識され、共感的に反響する音声応答を提供する。
論文 参考訳(メタデータ) (2024-05-08T02:48:29Z) - An Iterative Associative Memory Model for Empathetic Response Generation [23.824751737459835]
共感的応答生成は、対話発話における認知的状態と感情的状態を理解することである。
共感応答生成のための反復連想記憶モデル(IAMM)を提案する。
論文 参考訳(メタデータ) (2024-02-28T00:49:06Z) - 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) - Facilitating Multi-turn Emotional Support Conversation with Positive
Emotion Elicitation: A Reinforcement Learning Approach [58.88422314998018]
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。
論文 参考訳(メタデータ) (2023-07-16T09:58:44Z) - Improving Empathetic Dialogue Generation by Dynamically Infusing
Commonsense Knowledge [39.536604198392375]
共感的な会話では、個人は他人に対する共感を表現する。
これまでの研究は主に、話者の感情を利用して共感的な反応を生み出すことに焦点を当ててきた。
本稿では,コモンセンス知識選択のための適応モジュールを組み込んだ共感応答生成手法を提案する。
論文 参考訳(メタデータ) (2023-05-24T10:25:12Z) - CAB: Empathetic Dialogue Generation with Cognition, Affection and
Behavior [8.791757758576951]
本研究では,共感的反応を生成するための認知,愛情,行動の包括的視点を取り入れた新しい枠組みを提案する。
認識のために、外部知識を活用することにより、対話において重要なキーワード間の経路を構築する。
情緒については,両者の感情を含む2つの潜伏変数による情緒的依存をとらえる。
論文 参考訳(メタデータ) (2023-02-03T14:31:17Z) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳(メタデータ) (2022-10-21T03:51:18Z) - Perspective-taking and Pragmatics for Generating Empathetic Responses
Focused on Emotion Causes [50.569762345799354]
i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。
社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
論文 参考訳(メタデータ) (2021-09-18T04:22:49Z) - 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) - Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。
本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
論文 参考訳(メタデータ) (2020-09-21T09:21:52Z) - You Impress Me: Dialogue Generation via Mutual Persona Perception [62.89449096369027]
認知科学の研究は、理解が高品質なチャット会話に不可欠なシグナルであることを示唆している。
そこで我々は,P2 Botを提案する。このP2 Botは,理解を明示的にモデル化することを目的とした送信機受信者ベースのフレームワークである。
論文 参考訳(メタデータ) (2020-04-11T12:51:07Z)
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。