論文の概要: nicolay-r at SemEval-2024 Task 3: Using Flan-T5 for Reasoning Emotion Cause in Conversations with Chain-of-Thought on Emotion States
- arxiv url: http://arxiv.org/abs/2404.03361v1
- Date: Thu, 4 Apr 2024 11:03:33 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-05 15:01:15.966586
- Title: nicolay-r at SemEval-2024 Task 3: Using Flan-T5 for Reasoning Emotion Cause in Conversations with Chain-of-Thought on Emotion States
- Title（参考訳）: SemEval-2024 Task 3: Using Flan-T5 for Reasoning Emotion caused in talking with Chain-of-Thought on Emotion States (英語)
- Authors: Nicolay Rusnachenko, Huizhi Liang,
- Abstract要約: 我々は既存の三脚推論手法(THOR)を用いて、感情状態(THOR状態)と、一方の話者から他方の話者への感情(THOR原因)という、大きな言語モデルによる学習を行う。
最終提出は,Flan-T5ベース(250M)とルールベースのスパン補正技術に基づいて,THOR-stateで予備調整し,THOR-cause-rrで競技トレーニングデータに微調整し,第3位と第4位(F1-proportional)と第5位(F1-strict)を15チームで実施した。
- 参考スコア（独自算出の注目度）: 1.9797215742507548
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotion expression is one of the essential traits of conversations. It may be self-related or caused by another speaker. The variety of reasons may serve as a source of the further emotion causes: conversation history, speaker's emotional state, etc. Inspired by the most recent advances in Chain-of-Thought, in this work, we exploit the existing three-hop reasoning approach (THOR) to perform large language model instruction-tuning for answering: emotion states (THOR-state), and emotion caused by one speaker to the other (THOR-cause). We equip THOR-cause with the reasoning revision (rr) for devising a reasoning path in fine-tuning. In particular, we rely on the annotated speaker emotion states to revise reasoning path. Our final submission, based on Flan-T5-base (250M) and the rule-based span correction technique, preliminary tuned with THOR-state and fine-tuned with THOR-cause-rr on competition training data, results in 3rd and 4th places (F1-proportional) and 5th place (F1-strict) among 15 participating teams. Our THOR implementation fork is publicly available: https://github.com/nicolay-r/THOR-ECAC
- Abstract（参考訳）: 感情表現は会話の本質的な特徴の1つである。
自己関係があるか、別の話者によって引き起こされる可能性がある。
様々な理由が、会話の歴史、話者の感情状態など、さらなる感情の原因の源となっている可能性がある。
直近のChain-of-Thoughtの進歩に触発されて、我々は既存の3つのホップ推論アプローチ(THOR)を利用して、感情状態(THOR-state)と、ある話者が他方の話者に与える感情(THOR-cause)の答えを大規模言語モデルで指導する。
我々は、微調整における推論パスを考案するための推論リビジョン(rr)が原因で、ThORを装備する。
特に、アノテートされた話者感情状態に頼り、推論経路を改訂する。
最終提出は,Flan-T5ベース(250M)とルールベースのスパン補正技術に基づいて,THOR-stateで予備調整し,THOR-cause-rrで競技トレーニングデータに微調整し,第3位と第4位(F1-proportional)と第5位(F1-strict)を15チームで実施した。
私たちのTHOR実装フォークは、https://github.com/nicolay-r/THOR-ECACで公開されています。
関連論文リスト
- ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳（メタデータ） (2024-05-17T15:45:08Z) - IITK at SemEval-2024 Task 10: Who is the speaker? Improving Emotion Recognition and Flip Reasoning in Conversations via Speaker Embeddings [4.679320772294786]
Emotion Flip Reasoning タスクのためのトランスフォーマーに基づく話者中心モデルを提案する。
サブタスク3では,タスクベースラインに対する5.9(F1スコア)の改善が提案されている。
論文 参考訳（メタデータ） (2024-04-06T06:47:44Z) - Emotion Flip Reasoning in Multiparty Conversations [27.884015521888458]
Instigator based Emotion Flip Reasoning (EFR) は、会話の中で話者の感情のフリップの背後にある侵入者を特定することを目的としている。
本報告では,感情心理学に則った基盤構造ERFインスティゲータラベルを含むデータセットであるMELD-Iについて述べる。
我々は,TransformerエンコーダとスタックGRUを利用して対話コンテキストをキャプチャする,TGIFと呼ばれる新しいニューラルアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-24T13:22:02Z) - Learning Emotional Representations from Imbalanced Speech Data for
Speech Emotion Recognition and Emotional Text-to-Speech [1.4986031916712106]
音声感情表現は、音声感情認識(SER)および感情テキスト音声(TTS)タスクにおいて重要な役割を果たす。
モデルは大多数の中立層に過度に適合し、堅牢で効果的な感情表現を生成できない。
我々は、モデルのトレーニングに拡張アプローチを使用し、不均衡なデータセットから効果的で一般化可能な感情表現を抽出できるようにする。
論文 参考訳（メタデータ） (2023-06-09T07:04:56Z) - Reasoning Implicit Sentiment with Chain-of-Thought Prompting [102.62615158010571]
暗黙的な感情分析(ISA)では、意見の手がかりは暗黙的で曖昧な方法で得られます。
本稿では,ISA の人間的推論過程を模倣する三脚推論 (THOR) CoT フレームワークを提案する。
我々のTHOR+Flan-T5は、監督設定で最先端(SoTA)を6%以上押し上げます。
論文 参考訳（メタデータ） (2023-05-18T18:38:32Z) - Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on
Data-Driven Deep Learning [70.30713251031052]
本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。
実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
論文 参考訳（メタデータ） (2022-06-15T01:25:32Z) - Neutral Utterances are Also Causes: Enhancing Conversational Causal
Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。
感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
論文 参考訳（メタデータ） (2022-05-02T09:12:32Z) - EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。
変圧器事前学習言語モデル(T5)に基づく手法を提案する。
本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
論文 参考訳（メタデータ） (2021-10-30T19:04:48Z) - Discovering Emotion and Reasoning its Flip in Multi-Party Conversations
using Masked Memory Network and Transformer [16.224961520924115]
感情フリップ推論(EFR)の新たな課題について紹介する。
EFRは、ある時点で感情状態が反転した過去の発話を特定することを目的としている。
後者のタスクに対して,前者およびトランスフォーマーベースのネットワークに対処するためのマスクメモリネットワークを提案する。
論文 参考訳（メタデータ） (2021-03-23T07:42:09Z) - Recognizing Emotion Cause in Conversations [82.88647116730691]
テキストにおける感情の原因を認識することは、NLPにおける基本的な研究領域である。
RECCONというデータセットとの会話で感情の原因を認識するタスクを紹介します。
論文 参考訳（メタデータ） (2020-12-22T03:51:35Z)
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。