論文の概要: Think out Loud: Emotion Deducing Explanation in Dialogues

• arxiv url: http://arxiv.org/abs/2406.04758v1
• Date: Fri, 7 Jun 2024 08:58:29 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-10 14:50:13.616410
• Title: Think out Loud: Emotion Deducing Explanation in Dialogues
• Title（参考訳）: ラウドを思い浮かべて: 対話における感情誘発説明
• Authors: Jiangnan Li, Zheng Lin, Lanrui Wang, Qingyi Si, Yanan Cao, Mo Yu, Peng Fu, Weiping Wang, Jie Zhou,
• Abstract要約: 対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。 大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
• 参考スコア（独自算出の注目度）: 57.90554323226896
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Humans convey emotions through daily dialogues, making emotion understanding a crucial step of affective intelligence. To understand emotions in dialogues, machines are asked to recognize the emotion for an utterance (Emotion Recognition in Dialogues, ERD); based on the emotion, then find causal utterances for the emotion (Emotion Cause Extraction in Dialogues, ECED). The setting of the two tasks requires first ERD and then ECED, ignoring the mutual complement between emotion and cause. To fix this, some new tasks are proposed to extract them simultaneously. Although the current research on these tasks has excellent achievements, simply identifying emotion-related factors by classification modeling lacks realizing the specific thinking process of causes stimulating the emotion in an explainable way. This thinking process especially reflected in the reasoning ability of Large Language Models (LLMs) is under-explored. To this end, we propose a new task "Emotion Deducing Explanation in Dialogues" (EDEN). EDEN recognizes emotion and causes in an explicitly thinking way. That is, models need to generate an explanation text, which first summarizes the causes; analyzes the inner activities of the speakers triggered by the causes using common sense; then guesses the emotion accordingly. To support the study of EDEN, based on the existing resources in ECED, we construct two EDEN datasets by human effort. We further evaluate different models on EDEN and find that LLMs are more competent than conventional PLMs. Besides, EDEN can help LLMs achieve better recognition of emotions and causes, which explores a new research direction of explainable emotion understanding in dialogues.
• Abstract（参考訳）: 人間は毎日の対話を通じて感情を伝達し、感情を理解することが感情的な知性の重要なステップとなる。 対話における感情を理解するために、機械は、発話に対する感情(対話における感情認識、EDD)を認識し、感情に基づいて、感情に対する因果発話(対話における感情原因抽出、ECED)を見つけるよう求められる。 2つのタスクの設定にはまずEDRとECEDが必要で、感情と原因の相互補完を無視します。 これを解決するために, 同時に抽出するタスクが提案されている。 これらの課題に関する現在の研究には優れた成果があるが、分類モデルによる感情関連要因の同定は、説明可能な方法で感情を刺激する原因の具体的な思考過程を欠いている。 この思考過程は特にLarge Language Models(LLM)の推論能力に反映されている。 そこで本研究では,対話における感情推論(Emotion Deducing Explanation in Dialogues,EDEN)を提案する。 EDENは感情と原因を明確な考え方で認識する。 すなわち、モデルは、まず原因を要約した説明文を生成し、共通の感覚を用いて原因によって引き起こされる話者の内部活動を分析し、それに従って感情を推測する。 EDENの研究を支援するため,ECEDの既存のリソースを基に,人間の努力で2つのEDENデータセットを構築した。 さらに、EDEN上で異なるモデルを評価し、従来のPLMよりもLCMの方が有能であることを示す。 さらにEDENは、LLMが感情や原因をよりよく認識するのに役立つ。

関連論文リスト

• AER-LLM: Ambiguity-aware Emotion Recognition Leveraging Large Language Models [18.482881562645264]
  この研究は、あいまいな感情を認識する上でのLarge Language Models(LLM)の可能性を探究する最初のものである。 我々はゼロショットと少数ショットのプロンプトを設計し、過去の対話を曖昧な感情認識のための文脈情報として組み込んだ。
  論文  参考訳（メタデータ） (2024-09-26T23:25:21Z)
• 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)
• 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)
• Samsung Research China-Beijing at SemEval-2024 Task 3: A multi-stage framework for Emotion-Cause Pair Extraction in Conversations [12.095837596104552]
  人間とコンピュータの相互作用においては、エージェントは感情を理解することで人間に反応することが不可欠である。 会話におけるマルチモーダル感情因果ペア抽出というタスクは、感情を認識し、因果表現を識別する役割を担っている。 本研究では,感情を生成するための多段階フレームワークを提案し,対象感情から感情因果対を抽出する。
  論文  参考訳（メタデータ） (2024-04-25T11:52:21Z)
• Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
  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。
  論文  参考訳（メタデータ） (2024-04-03T08:48:50Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• Multi-Task Learning and Adapted Knowledge Models for Emotion-Cause Extraction [18.68808042388714]
  感情認識と感情原因検出の両方に共同で取り組むソリューションを提案する。 暗黙的に表現された感情を理解する上で,常識的知識が重要な役割を担っていることを考慮し,新しい手法を提案する。 共通センス推論とマルチタスクフレームワークを含む場合,両タスクのパフォーマンス改善を示す。
  論文  参考訳（メタデータ） (2021-06-17T20:11:04Z)
• DialogueCRN: Contextual Reasoning Networks for Emotion Recognition in Conversations [0.0]
  本稿では,会話コンテキストを認知的視点から完全に理解するための新しい文脈推論ネットワーク(DialogueCRN)を提案する。 感情認知理論(Cognitive Theory of Emotion)に触発された我々は、感情の手がかりを抽出し統合するための多ターン推論モジュールを設計する。 推論モジュールは、人間の独特な認知的思考を模倣する直感的検索プロセスと意識的推論プロセスを反復的に実行する。
  論文  参考訳（メタデータ） (2021-06-03T16:47:38Z)
• 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。