論文の概要: Enhancing Personality Recognition in Dialogue by Data Augmentation and
Heterogeneous Conversational Graph Networks
- arxiv url: http://arxiv.org/abs/2401.05871v2
- Date: Fri, 8 Mar 2024 07:56:57 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-11 22:43:15.499329
- Title: Enhancing Personality Recognition in Dialogue by Data Augmentation and
Heterogeneous Conversational Graph Networks
- Title（参考訳）: データ拡張とヘテロジニアス会話グラフネットワークによる対話におけるパーソナリティ認識の促進
- Authors: Yahui Fu, Haiyue Song, Tianyu Zhao, Tatsuya Kawahara
- Abstract要約: パーソナリティ認識は、ユーザ適応応答をカスタマイズするロボットの能力を高めるのに有用である。
この課題の1つは、既存の対話コーパスにおける話者の限られた数である。
- 参考スコア（独自算出の注目度）: 30.33718960981521
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Personality recognition is useful for enhancing robots' ability to tailor
user-adaptive responses, thus fostering rich human-robot interactions. One of
the challenges in this task is a limited number of speakers in existing
dialogue corpora, which hampers the development of robust, speaker-independent
personality recognition models. Additionally, accurately modeling both the
interdependencies among interlocutors and the intra-dependencies within the
speaker in dialogues remains a significant issue. To address the first
challenge, we introduce personality trait interpolation for speaker data
augmentation. For the second, we propose heterogeneous conversational graph
networks to independently capture both contextual influences and inherent
personality traits. Evaluations on the RealPersonaChat corpus demonstrate our
method's significant improvements over existing baselines.
- Abstract（参考訳）: パーソナリティ認識は、ユーザ適応応答を調整するロボットの能力を高めるために有用である。
この課題の1つは、既存の対話コーパスにおける話者数の制限であり、堅牢で話者に依存しないパーソナリティ認識モデルの開発を妨げている。
加えて、対話における対話者間の相互依存と話者内依存の両方を正確にモデル化することは重要な問題である。
最初の課題に対処するために、話者データ拡張のためのパーソナリティ特性補間を導入する。
第2に,文脈的影響と個性的特徴を独立に捉えるためのヘテロジニアスな対話型グラフネットワークを提案する。
RealPersonaChatコーパスの評価は、既存のベースラインよりも大幅に改善されていることを示す。
関連論文リスト
- Affective-NLI: Towards Accurate and Interpretable Personality Recognition in Conversation [30.820334868031537]
会話におけるパーソナリティ認識(PRC)は、テキスト対話コンテンツを通して話者の性格特性を識別することを目的としている。
本稿では,PRCの正確かつ解釈可能なAffective Natural Language Inference (Affective-NLI)を提案する。
論文 参考訳（メタデータ） (2024-04-03T09:14:24Z) - Harmonizing Code-mixed Conversations: Personality-assisted Code-mixed
Response Generation in Dialogues [28.49660948650183]
本稿では,対話から得られた5つの人格特性を教師なしの方法で活用し,応答生成の性能を高めることを目的とした,新しいアプローチを提案する。
これは、識別されたパーソナリティが対話コンテキストにシームレスに統合された場合の応答生成タスクにおけるROUGEとBLUEスコアの上昇に顕著である。
論文 参考訳（メタデータ） (2024-01-18T15:21:16Z) - Interactive Conversational Head Generation [68.76774230274076]
対面会話における1つのインターロケータの振る舞いを合成するための新しい対話ヘッド生成ベンチマークを提案する。
長時間・複数回会話に参加可能なインターロカクタを自動的に合成する機能は不可欠であり、様々なアプリケーションにメリットを提供する。
論文 参考訳（メタデータ） (2023-07-05T08:06:26Z) - MPCHAT: Towards Multimodal Persona-Grounded Conversation [54.800425322314105]
我々はペルソナに基づく対話をマルチモーダル領域に拡張し、2つの主要な貢献をする。
まず,MPCHATという対話データセットを提案する。
第2に,マルチモーダル・ペルソナを組み込んだ多モーダル・ペルソナの対話タスクが,統計的に有意な性能向上をもたらすことを実証的に示す。
論文 参考訳（メタデータ） (2023-05-27T06:46:42Z) - 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) - Know Deeper: Knowledge-Conversation Cyclic Utilization Mechanism for
Open-domain Dialogue Generation [11.72386584395626]
エンドツーエンドのインテリジェントなニューラルダイアログシステムは、一貫性のない繰り返し応答を生成する問題に悩まされる。
既存の対話モデルは、対人関係の会話情報を対人情報の流れとして捉えた個人知識に組み込むことが、その後の会話の質を高めるという事実を無視しながら、対人関係の個人知識を一方的にダイアログに組み込むことに注意を払っている。
会話の一貫性を向上し、2つの折り畳みから繰り返しを緩和することを目的とした,会話適応型多視点対応対応型応答生成モデルを提案する。
論文 参考訳（メタデータ） (2021-07-16T08:59:06Z) - Dialogue History Matters! Personalized Response Selectionin Multi-turn
Retrieval-based Chatbots [62.295373408415365]
本稿では,コンテキスト応答マッチングのためのパーソナライズドハイブリッドマッチングネットワーク(phmn)を提案する。
1) ユーザ固有の対話履歴からパーソナライズされた発話行動を付加的なマッチング情報として抽出する。
ユーザ識別による2つの大規模データセット,すなわちパーソナライズされた対話 Corpus Ubuntu (P-Ubuntu) とパーソナライズされたWeiboデータセット (P-Weibo) のモデルを評価する。
論文 参考訳（メタデータ） (2021-03-17T09:42:11Z) - Filling the Gap of Utterance-aware and Speaker-aware Representation for
Multi-turn Dialogue [76.88174667929665]
マルチターン対話は、2つ以上の異なる話者の役割から複数の発話からなる。
既存の検索に基づくマルチターン対話モデルでは、事前訓練された言語モデル(PrLM)をエンコーダとして、対話を粗く表現する。
本稿では,対話履歴に係わる効果的な発話認識表現と話者認識表現をモデル化することにより,そのようなギャップを埋める新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-09-14T15:07:19Z) - 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) - Speech Enhancement using Self-Adaptation and Multi-Head Self-Attention [70.82604384963679]
本稿では,補助的話者認識機能を用いた音声強調のための自己適応手法について検討する。
テスト発話から直接適応に用いる話者表現を抽出する。
論文 参考訳（メタデータ） (2020-02-14T05:05:36Z)
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。