論文の概要: SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in
Conversation (EDiReF)
- arxiv url: http://arxiv.org/abs/2402.18944v1
- Date: Thu, 29 Feb 2024 08:20:06 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 15:31:28.314703
- Title: SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in
Conversation (EDiReF)
- Title(参考訳): semeval 2024 -- タスク10: 感情の発見と会話の反転(ediref)の推論
- Authors: Shivani Kumar, Md Shad Akhtar, Erik Cambria, Tanmoy Chakraborty
- Abstract要約: SemEval-2024 Task 10は、コードミキシングされた対話における感情の識別に焦点を当てた共有タスクである。
このタスクは3つの異なるサブタスクから構成される - コードミックス対話のための会話における感情認識、コードミックス対話のための感情フリップ推論、および英語対話のための感情フリップ推論である。
このタスクには84人の参加者が参加し、各サブタスクのF1スコアは0.70、0.79、0.76に達した。
- 参考スコア(独自算出の注目度): 61.49972925493912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present SemEval-2024 Task 10, a shared task centred on identifying
emotions and finding the rationale behind their flips within monolingual
English and Hindi-English code-mixed dialogues. This task comprises three
distinct subtasks - emotion recognition in conversation for code-mixed
dialogues, emotion flip reasoning for code-mixed dialogues, and emotion flip
reasoning for English dialogues. Participating systems were tasked to
automatically execute one or more of these subtasks. The datasets for these
tasks comprise manually annotated conversations focusing on emotions and
triggers for emotion shifts (The task data is available at
https://github.com/LCS2-IIITD/EDiReF-SemEval2024.git). A total of 84
participants engaged in this task, with the most adept systems attaining
F1-scores of 0.70, 0.79, and 0.76 for the respective subtasks. This paper
summarises the results and findings from 24 teams alongside their system
descriptions.
- Abstract(参考訳): SemEval-2024 Task 10は、感情の識別と、モノリンガル英語とヒンディー語-英語のコード混在対話におけるフリップの背後にある理論的根拠の発見に焦点を当てた共有タスクである。
このタスクは、コード混合対話の会話における感情認識、コード混合対話の感情フリップ推論、英語対話の感情フリップ推論の3つの異なるサブタスクから構成される。
参加システムは、これらのサブタスクの1つまたは複数の自動実行が義務付けられていた。
これらのタスクのデータセットは、感情に焦点を当てた手動でアノテートされた会話と、感情の変化をトリガーする(タスクデータはhttps://github.com/LCS2-IIITD/EDiReF-SemEval2024.git)。
このタスクには84人の参加者が参加し、各サブタスクのF1スコアは0.70、0.79、0.76に達した。
本稿では,24チームによるシステム記述と結果について要約する。
関連論文リスト
- Reasoning in Conversation: Solving Subjective Tasks through Dialogue
Simulation for Large Language Models [56.93074140619464]
本稿では,対話シミュレーションによる主観的課題の解決に焦点を当てたRiC(Reasoning in Conversation)を提案する。
RiCのモチベーションは、チェーン・オブ・ソート・スタイルの合理性を提供するのではなく、対話をシミュレートすることで有用な文脈情報をマイニングすることである。
GPT-4、ChatGPT、OpenChatなど、APIベースのLLMとオープンソースのLLMの両方を12のタスクで評価する。
論文 参考訳(メタデータ) (2024-02-27T05:37:10Z) - Learning from Emotions, Demographic Information and Implicit User
Feedback in Task-Oriented Document-Grounded Dialogues [59.516187851808375]
FEDIは、人口統計情報、ユーザ感情、暗黙のフィードバックを付加したタスク指向文書地上対話のための最初の英語対話データセットである。
FLAN-T5, GPT-2, LLaMA-2 を用いて行った実験から,これらのデータにより,タスク完了と実際の応答の整合性,ユーザの受容性が改善される可能性が示唆された。
論文 参考訳(メタデータ) (2024-01-17T14:52:26Z) - VISU at WASSA 2023 Shared Task: Detecting Emotions in Reaction to News
Stories Leveraging BERT and Stacked Embeddings [3.797177597247675]
我々のシステムVISUは、ニュース記事に反応して書かれたエッセイから感情分類の共有タスク (3) に参加した。
本研究は,単語埋め込み表現と事前設定戦略を組み合わせた深層学習(DL)モデルの開発に重点を置いている。
論文 参考訳(メタデータ) (2023-07-27T19:42:22Z) - EmoInHindi: A Multi-label Emotion and Intensity Annotated Dataset in
Hindi for Emotion Recognition in Dialogues [44.79509115642278]
我々はHindiにEmoInHindiという大きな会話データセットを作成し、会話におけるマルチラベルの感情と強度の認識を可能にした。
我々は、精神保健と犯罪被害者の法的カウンセリングのために、ウィザード・オブ・オズの方法でデータセットを作成します。
論文 参考訳(メタデータ) (2022-05-27T11:23:50Z) - KETOD: Knowledge-Enriched Task-Oriented Dialogue [77.59814785157877]
対話システム研究における既存の研究は、主にタスク指向の対話とチャットを独立したドメインとして扱う。
本研究では,タスク指向対話と知識ベースチップチャットを一つのモデルに効果的に統合する方法について検討する。
論文 参考訳(メタデータ) (2022-05-11T16:01:03Z) - EmoWOZ: A Large-Scale Corpus and Labelling Scheme for Emotion in
Task-Oriented Dialogue Systems [3.3010169113961325]
EmoWOZはタスク指向対話の大規模手動感情注釈コーパスである。
11K以上の対話と83K以上の感情アノテーションを含む。
本稿では,タスク指向対話に適した新しい感情ラベリング手法を提案する。
論文 参考訳(メタデータ) (2021-09-10T15:00:01Z) - WeChat AI's Submission for DSTC9 Interactive Dialogue Evaluation Track [20.90559634062167]
本稿では,人間との対話における会話フローを捉えた対話計画モデル(dpm)を提案する。
また,前処理,対話モデル,スコアリングモデル,ポストプロセスを含む統合オープンドメイン対話システムの設計を行った。
サブタスク1では、人間格付けで1位、最高のMeteorとBert-scoreを、サブタスク2では対話的人間評価で3位にランク付けします。
論文 参考訳(メタデータ) (2021-01-20T03:19:50Z) - COSMIC: COmmonSense knowledge for eMotion Identification in
Conversations [95.71018134363976]
我々は,心的状態,出来事,因果関係など,常識の異なる要素を取り入れた新しい枠組みであるCOSMICを提案する。
我々は,COSMICが4つのベンチマークの会話データセット上で,感情認識のための最新の結果を実現することを示す。
論文 参考訳(メタデータ) (2020-10-06T15:09:38Z) - UPB at SemEval-2020 Task 9: Identifying Sentiment in Code-Mixed Social
Media Texts using Transformers and Multi-Task Learning [1.7196613099537055]
本研究チームは,SemEval-2020 Task 9のために開発したシステムについて述べる。
私たちは、ヒンディー語とスペイン語の2つのよく知られた混成言語をカバーすることを目指しています。
提案手法は, 平均F1スコアが0.6850であるヒンディー語タスクにおいて, 有望な性能を達成する。
スペイン語と英語のタスクでは、29人中17人として、平均で0.7064のF1スコアを獲得しました。
論文 参考訳(メタデータ) (2020-09-06T17:19:18Z) - SemEval-2020 Task 10: Emphasis Selection for Written Text in Visual
Media [50.29389719723529]
本稿では,SemEval-2020 Task 10, Emphasis Selection for Written Text in Visual Media の主な成果とその結果を比較した。
この共有タスクの目的は、強調選択のための自動メソッドを設計することである。
タスクに送信されたシステムの解析は、BERTとRoBERTaが、トレーニング済みモデルの最も一般的な選択であることを示している。
論文 参考訳(メタデータ) (2020-08-07T17:24:53Z)
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。