論文の概要: Learning Time-Varying Turn-Taking Behavior in Group Conversations

• arxiv url: http://arxiv.org/abs/2510.18649v1
• Date: Tue, 21 Oct 2025 13:58:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-25 03:08:13.639217
• Title: Learning Time-Varying Turn-Taking Behavior in Group Conversations
• Title（参考訳）: グループ会話における時間変化ターンタイキング行動の学習
• Authors: Madeline Navarro, Lisa O'Bryan, Santiago Segarra,
• Abstract要約: 本稿では,個人特性と過去の発話行動のみに基づいて,グループ会話におけるターンテイクパターンを予測する柔軟な確率モデルを提案する。 以上の結果から,従来の行動モデルは必ずしも現実的ではなく,データ駆動型でありながら理論的に基礎的なアプローチを動機付けている可能性が示唆された。
• 参考スコア（独自算出の注目度）: 45.44339759125884
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a flexible probabilistic model for predicting turn-taking patterns in group conversations based solely on individual characteristics and past speaking behavior. Many models of conversation dynamics cannot yield insights that generalize beyond a single group. Moreover, past works often aim to characterize speaking behavior through a universal formulation that may not be suitable for all groups. We thus develop a generalization of prior conversation models that predicts speaking turns among individuals in any group based on their individual characteristics, that is, personality traits, and prior speaking behavior. Importantly, our approach provides the novel ability to learn how speaking inclination varies based on when individuals last spoke. We apply our model to synthetic and real-world conversation data to verify the proposed approach and characterize real group interactions. Our results demonstrate that previous behavioral models may not always be realistic, motivating our data-driven yet theoretically grounded approach.
• Abstract（参考訳）: 本稿では,個人特性と過去の発話行動のみに基づいて,グループ会話におけるターンテイクパターンを予測する柔軟な確率モデルを提案する。 会話力学の多くのモデルでは、単一のグループを超えて一般化する洞察を得ることはできない。 さらに、過去の作品はしばしば、すべてのグループに適さないかもしれない普遍的な定式化を通じて、話し言葉の振る舞いを特徴づけることを目的としている。 そこで我々は,各集団の個人的特性,すなわち人格特性,および先行発話行動に基づいて,各集団の発話方向を予測する先行会話モデルの一般化を開発する。 重要なこととして、我々のアプローチは個人が最後に話した時期によって、発話の傾きがどう変化するかを学ぶ新しい能力を提供する。 提案手法を検証し,実グループ間相互作用を特徴付けるために,本モデルを合成および実世界の会話データに適用する。 以上の結果から,従来の行動モデルは必ずしも現実的ではなく,データ駆動型でありながら理論的に基礎的なアプローチを動機付けている可能性が示唆された。

関連論文リスト

• Aligning Spoken Dialogue Models from User Interactions [55.192134724622235]
  本稿では,ユーザの対話からリアルタイム会話における音声対話モデルを改善するための新しい嗜好アライメントフレームワークを提案する。 AIフィードバックを付加した生のマルチターン音声会話から15万以上の好みペアのデータセットを作成する。 本研究は, 自然なリアルタイム音声対話システムにおいて重要な, 様々な力学におけるバランスの整合性の重要性を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-06-26T16:45:20Z)
• Social Processes: Probabilistic Meta-learning for Adaptive Multiparty Interaction Forecasting [3.9134031118910264]
  社会プロセス(SP)モデルを導入し、全てのグループメンバーに対して、将来のマルチモーダルキューの分布を予測する。 また,現実的な合成データセットを用いて,SPモデルの出力および潜時空間における一般化能力を解析した。
  論文  参考訳（メタデータ） (2025-01-03T17:34:53Z)
• Spontaneous Style Text-to-Speech Synthesis with Controllable Spontaneous Behaviors Based on Language Models [55.898594710420326]
  本稿では,言語モデルに基づく新たな自然音声合成システムを提案する。 自発音声における微妙な韻律変化を捉えるモデルの能力を高めるために, きめ細かい韻律モデリングを導入する。
  論文  参考訳（メタデータ） (2024-07-18T13:42:38Z)
• Towards Spontaneous Style Modeling with Semi-supervised Pre-training for Conversational Text-to-Speech Synthesis [53.511443791260206]
  自発型音声と自発型行動ラベルの量を増やすための半教師付き事前学習法を提案する。 半教師付き学習の過程では、音声中の自発的な行動ラベルを検出するために、テキスト情報と音声情報の両方が考慮される。
  論文  参考訳（メタデータ） (2023-08-31T09:50:33Z)
• MindDial: Belief Dynamics Tracking with Theory-of-Mind Modeling for Situated Neural Dialogue Generation [62.44907105496227]
  MindDialは、Mind-of-mindモデリングで位置決め自由形式の応答を生成できる、新しい対話型フレームワークである。 本研究では、話者の信念と話者の聴取者の信念を予測できる明示的なマインドモジュールを導入する。 筆者らのフレームワークは,提案手法と微調整モデルの両方に適用され,共通地盤アライメントとネゴシエーションの両方を含むシナリオで評価される。
  論文  参考訳（メタデータ） (2023-06-27T07:24:32Z)
• A Probabilistic Model Of Interaction Dynamics for Dyadic Face-to-Face Settings [1.9544213396776275]
  我々は,対面設定における対の参加者間の相互作用のダイナミクスを捉える確率論的モデルを開発した。 この相互作用エンコーディングは、あるエージェントの将来のダイナミクスを予測する際に、生成に影響を与えるために使用される。 我々のモデルは, 相互作用する力学に基づいて, モード間のデライン化に成功していることを示す。
  論文  参考訳（メタデータ） (2022-07-10T23:31:27Z)
• Pragmatic competence of pre-trained language models through the lens of discourse connectives [4.917317902787791]
  事前学習型言語モデル(LM)がNLPを支配し続けているため、これらのモデルにおける言語機能の深さを理解することがますます重要である。 談話接続性を予測するために実用的手がかりを使用するモデルの能力をテストすることに注力する。 自然に発生するデータのコンテキストにおいて、モデルが結合性を合理的に予測するが、高レベルの実用的手がかりを分離するためにコンテキストを制御する場合、モデル感度ははるかに低い。
  論文  参考訳（メタデータ） (2021-09-27T11:04:41Z)
• Keeping Up Appearances: Computational Modeling of Face Acts in Persuasion Oriented Discussions [2.9628298226732612]
  説得的会話における顔行動のモデル化のための枠組みを提案する。 このフレームワークは、説得会話における非対称的役割間の顔行動利用の差異に関する洞察を明らかにする。 計算モデルを用いて、顔の振る舞いを識別し、重要な会話結果を予測することができる。
  論文  参考訳（メタデータ） (2020-09-22T21:02:14Z)

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。