論文の概要: The Muddy Waters of Modeling Empathy in Language: The Practical Impacts of Theoretical Constructs
- arxiv url: http://arxiv.org/abs/2501.14981v1
- Date: Fri, 24 Jan 2025 23:32:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-28 13:57:30.529564
- Title: The Muddy Waters of Modeling Empathy in Language: The Practical Impacts of Theoretical Constructs
- Title（参考訳）: 言語における共感のモデル化のマディウォーター:理論的構成の実践的影響
- Authors: Allison Lahnala, Charles Welch, David Jurgens, Lucie Flek,
- Abstract要約: 我々は,異なる理論的根拠を持つ共感課題に適応した共感モデルの伝達性能を解析した。
我々の研究は、正確な多次元共感操作の必要性に関する実証的な証拠を提供する。
- 参考スコア（独自算出の注目度）: 21.2971453739105
- License:
- Abstract: Conceptual operationalizations of empathy in NLP are varied, with some having specific behaviors and properties, while others are more abstract. How these variations relate to one another and capture properties of empathy observable in text remains unclear. To provide insight into this, we analyze the transfer performance of empathy models adapted to empathy tasks with different theoretical groundings. We study (1) the dimensionality of empathy definitions, (2) the correspondence between the defined dimensions and measured/observed properties, and (3) the conduciveness of the data to represent them, finding they have a significant impact to performance compared to other transfer setting features. Characterizing the theoretical grounding of empathy tasks as direct, abstract, or adjacent further indicates that tasks that directly predict specified empathy components have higher transferability. Our work provides empirical evidence for the need for precise and multidimensional empathy operationalizations.
- Abstract（参考訳）: NLPにおける共感の概念的操作は様々であり、特定の行動や性質を持つものもあれば、より抽象的なものもある。
これらの変化が相互にどのように関連し、テキストで観察可能な共感の性質を捉えるかは、まだ不明である。
そこで我々は,異なる理論的根拠を持つ共感課題に適応した共感モデルの伝達性能を解析した。
本研究では,(1)共感定義の次元性,(2) 定義次元と測定・観測特性の対応性,(3) それらを表すデータの導出性について検討し,それらが他の転送設定特性と比較して性能に有意な影響を及ぼすことを示した。
共感的タスクの理論的基礎を直接的、抽象的、あるいは隣接的に特徴付けることは、特定の共感的コンポーネントを直接予測するタスクがより高い伝達性を持つことを示す。
我々の研究は、正確な多次元共感操作の必要性に関する実証的な証拠を提供する。
関連論文リスト
- Quantitative Assessment of Intersectional Empathetic Bias and Understanding [0.0]
多くの文献が、構成のゆるい定義に基づいて現在の共感の運用について批判している。
本稿では,その心理的起源に近い共感を運用する共感評価フレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-08T18:43:15Z) - Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。
広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
論文 参考訳（メタデータ） (2024-04-26T07:30:32Z) - The Power of Properties: Uncovering the Influential Factors in Emotion Classification [7.562215603730798]
最先端の分類性能は、エンドツーエンドのトレーニングニューラルネットワークによってのみ達成される。
明示的な特性とその影響を評価するワークフローを導入する。
論文 参考訳（メタデータ） (2024-04-11T16:01:00Z) - Understanding Emotion Valence is a Joint Deep Learning Task [2.457003287112758]
マルチタスク学習手法を用いて、価値とECの自然な相互依存性について検討する。
生成的アーキテクチャ(GPT-2)と識別的アーキテクチャ(BERT)の性能をそれぞれ比較,評価した。
その結果、両方のタスクを実行する単一のモデルが達成され、トレーニングや推論時にリソースを節約できます。
論文 参考訳（メタデータ） (2023-05-27T09:07:18Z) - Modeling Empathic Similarity in Personal Narratives [31.035912970202514]
EmpathicStoriesは、私たちの共感的類似性の特徴を付加した1500の個人ストーリーと、共感的類似性スコアを付加した2000のストーリーのデータセットである。
ストーリーペアの共感的類似性を計算するためにモデルを微調整し、これは自動相関と検索メトリクスにおける意味的類似性モデルより優れていることを示す。
私たちの研究は、人間同士のつながりと共感を促進するために共感を意識したモデルを使うことに強い意味を持っています。
論文 参考訳（メタデータ） (2023-05-23T17:00:45Z) - Task Formulation Matters When Learning Continually: A Case Study in
Visual Question Answering [58.82325933356066]
継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。
本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
論文 参考訳（メタデータ） (2022-09-30T19:12:58Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - Affect-DML: Context-Aware One-Shot Recognition of Human Affect using
Deep Metric Learning [29.262204241732565]
既存の方法は、すべての関心の感情に注釈付きトレーニングの例として優先順位が与えられると仮定している。
我々は、文脈における感情のワンショット認識を概念化し、単一のサポートサンプルからより細かい粒子レベルの人間の影響状態を認識することを目的とした新しい問題である。
モデルの全変種は、ランダムなベースラインよりも明らかに優れており、セマンティックシーンのコンテキストを活用することで、学習された表現を一貫して改善している。
論文 参考訳（メタデータ） (2021-11-30T10:35:20Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - Exemplars-guided Empathetic Response Generation Controlled by the
Elements of Human Communication [88.52901763928045]
そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。
これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
論文 参考訳（メタデータ） (2021-06-22T14:02:33Z) - Modality-Transferable Emotion Embeddings for Low-Resource Multimodal
Emotion Recognition [55.44502358463217]
本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。
我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。
私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
論文 参考訳（メタデータ） (2020-09-21T06:10:39Z)
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。