論文の概要: Personality-affected Emotion Generation in Dialog Systems

• arxiv url: http://arxiv.org/abs/2404.07229v1
• Date: Wed, 3 Apr 2024 08:48:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-14 13:13:23.209975
• Title: Personality-affected Emotion Generation in Dialog Systems
• Title（参考訳）: 対話システムにおけるパーソナリティに影響を及ぼす感情生成
• Authors: Zhiyuan Wen, Jiannong Cao, Jiaxing Shen, Ruosong Yang, Shuaiqi Liu, Maosong Sun,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 67.40609683389947
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generating appropriate emotions for responses is essential for dialog systems to provide human-like interaction in various application scenarios. Most previous dialog systems tried to achieve this goal by learning empathetic manners from anonymous conversational data. However, emotional responses generated by those methods may be inconsistent, which will decrease user engagement and service quality. Psychological findings suggest that the emotional expressions of humans are rooted in personality traits. Therefore, we propose a new task, Personality-affected Emotion Generation, to generate emotion based on the personality given to the dialog system and further investigate a solution through the personality-affected mood transition. Specifically, we first construct a daily dialog dataset, Personality EmotionLines Dataset (PELD), with emotion and personality annotations. Subsequently, we analyze the challenges in this task, i.e., (1) heterogeneously integrating personality and emotional factors and (2) extracting multi-granularity emotional information in the dialog context. Finally, we propose to model the personality as the transition weight by simulating the mood transition process in the dialog system and solve the challenges above. We conduct extensive experiments on PELD for evaluation. Results suggest that by adopting our method, the emotion generation performance is improved by 13% in macro-F1 and 5% in weighted-F1 from the BERT-base model.
• Abstract（参考訳）: 応答に対する適切な感情の生成は、様々なアプリケーションシナリオにおいて人間のようなインタラクションを提供するために、ダイアログシステムにとって不可欠である。 従来の対話システムは、匿名の会話データから共感的態度を学習することで、この目標を達成しようとした。 しかし,これらの手法が生み出す感情的反応は矛盾する可能性があり,ユーザエンゲージメントやサービス品質が低下する。 心理学的な知見は、人間の感情表現は性格特性に根ざしていることを示唆している。 そこで我々は,ダイアログシステムに付与された個性に基づいて感情を生成するための新たなタスクであるパーソナリティ影響感情生成を提案し,さらに,パーソナリティ影響感情遷移による解決について検討する。 具体的には、感情とパーソナリティのアノテーションを備えた毎日のダイアログデータセット、Personality EmotionLines Dataset(PELD)を構築する。 そして,その課題,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。 最後に、ダイアログシステムにおける気分遷移過程をシミュレートし、上記の課題を解決することによって、人格を遷移重みとしてモデル化することを提案する。 PELDを用いた評価実験を行った。 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。

関連論文リスト

• SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
  SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。 異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。 本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
  論文  参考訳（メタデータ） (2024-05-19T09:59:00Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset for Conversational AI [48.67259855309959]
  会話型AIのための既存のデータセットのほとんどは、人間の個性や感情を無視している。 CPEDは,中国における大規模パーソナライズされた感情対話データセットである。 CPEDには40のテレビ番組から392人の話者の12K以上の対話が含まれている。
  論文  参考訳（メタデータ） (2022-05-29T17:45:12Z)
• Towards Multi-Turn Empathetic Dialogs with Positive Emotion Elicitation [39.747587984500406]
  本稿では,肯定的な感情誘発を伴う共感的対話生成の課題について述べる。 エージェントは、マルチターンダイアログにおいて、ユーザのポジティブ感情を引き出すターゲットとともに共感応答を行う。 我々はPosEmoDialと呼ばれる肯定的な感情誘発を伴う大規模感情対話データセットを収集する。
  論文  参考訳（メタデータ） (2022-04-22T05:32:08Z)
• Simulated Annealing for Emotional Dialogue Systems [22.96717845092991]
  対話生成のための特定の感情を表現するタスクについて検討する。 提案手法は,従来の最先端手法と比較して,感情の精度が12%向上したことを示す。
  論文  参考訳（メタデータ） (2021-09-22T13:17:17Z)
• Automatically Select Emotion for Response via Personality-affected Emotion Transition [0.0]
  ダイアログシステムは、人間のような反応に対する適切な感情を自動的に選択できるべきです。 既存のほとんどの研究は、特定の感情を反応のレンダリングやユーザーの感情に共感的に反応させることに重点を置いているが、感情表現の個人差は見過ごされている。 対話システムに人格を付与し、会話中の人間の感情遷移をシミュレートすることで、応答中の感情を自動的に選択できるようにする。
  論文  参考訳（メタデータ） (2021-06-30T07:00:42Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• Generating Empathetic Responses with a Large Scale Dialog Dataset [0.76146285961466]
  既存のモデルは、応答生成を導くために事前に定義された感情情報を直接組み込むか、応答感情を決定する決定論的ルールを使用する。 6000以上の人的評価インスタンスのベースラインと比較して,マルチターン共感ダイアログモデルの構築方法を示す。
  論文  参考訳（メタデータ） (2021-05-14T13:45:40Z)
• Infusing Multi-Source Knowledge with Heterogeneous Graph Neural Network for Emotional Conversation Generation [25.808037796936766]
  実世界の会話では,マルチソース情報から感情を直感的に知覚する。 感情的会話生成のための異種グラフモデルを提案する。 実験結果は,本モデルがマルチソース知識から感情を効果的に知覚できることを示した。
  論文  参考訳（メタデータ） (2020-12-09T06:09:31Z)
• 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)

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。