論文の概要: Emotion Transfer with Enhanced Prototype for Unseen Emotion Recognition in Conversation

• arxiv url: http://arxiv.org/abs/2508.19533v1
• Date: Wed, 27 Aug 2025 03:16:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-28 19:07:41.47526
• Title: Emotion Transfer with Enhanced Prototype for Unseen Emotion Recognition in Conversation
• Title（参考訳）: 会話における未知の感情認識のためのプロトタイプ強化による感情伝達
• Authors: Kun Peng, Cong Cao, Hao Peng, Guanlin Wu, Zhifeng Hao, Lei Jiang, Yanbing Liu, Philip S. Yu,
• Abstract要約: 会話における未知感情認識(UERC)タスクを初めて紹介する。 本稿では,プロトタイプベースの感情伝達フレームワークProEmoTransを提案する。 ProEmoTransは有望だが、依然として重要な課題に直面している。
• 参考スコア（独自算出の注目度）: 64.70874527264543
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current Emotion Recognition in Conversation (ERC) research follows a closed-domain assumption. However, there is no clear consensus on emotion classification in psychology, which presents a challenge for models when it comes to recognizing previously unseen emotions in real-world applications. To bridge this gap, we introduce the Unseen Emotion Recognition in Conversation (UERC) task for the first time and propose ProEmoTrans, a solid prototype-based emotion transfer framework. This prototype-based approach shows promise but still faces key challenges: First, implicit expressions complicate emotion definition, which we address by proposing an LLM-enhanced description approach. Second, utterance encoding in long conversations is difficult, which we tackle with a proposed parameter-free mechanism for efficient encoding and overfitting prevention. Finally, the Markovian flow nature of emotions is hard to transfer, which we address with an improved Attention Viterbi Decoding (AVD) method to transfer seen emotion transitions to unseen emotions. Extensive experiments on three datasets show that our method serves as a strong baseline for preliminary exploration in this new area.
• Abstract（参考訳）: 会話における現在の感情認識(ERC)の研究は、閉領域の仮定に従う。 しかし、心理学における感情分類には明確なコンセンサスがないため、現実の応用において、これまで目に見えない感情を認識することは、モデルにとって困難である。 このギャップを埋めるために、初めてUERC(Unseen Emotion Recognition in Conversation)タスクを導入し、プロトタイプベースの感情伝達フレームワークであるProEmoTransを提案する。 第一に、暗黙の表現は感情の定義を複雑にします。 第二に、長い会話における発話符号化は困難であり、効率的な符号化と過剰適合防止のためのパラメータフリーなメカニズムを提案する。 最後に、感情のマルコフ流の性質の伝達は困難であり、無意味な感情への感情遷移を伝達するために、注意的ビタビ復号法(AVD)の改良に対処する。 3つのデータセットに対する大規模な実験により,本手法は新たな領域における予備探査の強力なベースラインとなることが示された。

関連論文リスト

• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• 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)
• Emotion-Anchored Contrastive Learning Framework for Emotion Recognition in Conversation [23.309174697717374]
  会話における感情認識(英: Emotion Recognition in Conversation、ERC)とは、会話の中で各発話の背後にある感情を検出することである。 類似した感情に対してより識別可能な発話表現を生成できる感情認識コントラスト学習フレームワークを提案する。 提案したEACLは、最先端の感情認識性能を達成し、類似した感情に対して優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-29T17:00:55Z)
• Learning Emotion Representations from Verbal and Nonverbal Communication [7.747924294389427]
  本稿では,言語・非言語コミュニケーションから視覚的感情表現を抽出する最初の事前学習パラダイムであるEmotionCLIPを提案する。 EmotionCLIPは、感情誘導型コントラスト学習を用いて、主観的文脈エンコーディングと言語感情キューを通じて、非言語感情キューへの参加を誘導する。 EmotionCLIPは、感情理解におけるデータ不足の一般的な問題に対処し、関連する領域の進歩を促進する。
  論文  参考訳（メタデータ） (2023-05-22T21:36:55Z)
• 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)
• Target Guided Emotion Aware Chat Machine [58.8346820846765]
  意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。 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。
  論文  参考訳（メタデータ） (2020-11-15T01:55:37Z)
• Meta Transfer Learning for Emotion Recognition [42.61707533351803]
  本研究では、ある視覚的/聴覚的感情領域から学習した感情知識を、別の視覚的/聴覚的感情領域に伝達できるPathNetに基づく伝達学習手法を提案する。 提案システムは感情認識の性能を向上し,最近提案された微調整/事前学習モデルに基づく伝達学習手法よりも性能が大幅に向上する。
  論文  参考訳（メタデータ） (2020-06-23T00:25:28Z)

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。