論文の概要: A benchmark for joint dialogue satisfaction, emotion recognition, and emotion state transition prediction
- arxiv url: http://arxiv.org/abs/2603.03327v1
- Date: Tue, 10 Feb 2026 09:37:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-09 01:20:08.155253
- Title: A benchmark for joint dialogue satisfaction, emotion recognition, and emotion state transition prediction
- Title（参考訳）: 共同対話の満足度、感情認識、感情状態遷移予測のためのベンチマーク
- Authors: Jing Bian, Haoxiang Su, Liting Jiang, Di Wu, Ruiyu Fang, Xiaomeng Huang, Yanbing Li, Shuangyong Song, Hao Huang,
- Abstract要約: インタラクション中のユーザの感情を監視し、理解することは、満足度を予測し改善するのに役立ちます。
関連する中国のデータセットは限定的で、ユーザの感情はダイナミックです。
我々は、満足度認識と感情認識と感情状態遷移予測をサポートするマルチタスク・マルチラベル中国語対話データセットを構築した。
- 参考スコア（独自算出の注目度）: 18.462328613441453
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: User satisfaction is closely related to enterprises, as it not only directly reflects users' subjective evaluation of service quality or products, but also affects customer loyalty and long-term business revenue. Monitoring and understanding user emotions during interactions helps predict and improve satisfaction. However, relevant Chinese datasets are limited, and user emotions are dynamic; relying on single-turn dialogue cannot fully track emotional changes across multiple turns, which may affect satisfaction prediction. To address this, we constructed a multi-task, multi-label Chinese dialogue dataset that supports satisfaction recognition, as well as emotion recognition and emotional state transition prediction, providing new resources for studying emotion and satisfaction in dialogue systems.
- Abstract（参考訳）: ユーザ満足度は、サービス品質や製品に対するユーザの主観的な評価を直接反映するだけでなく、顧客の忠誠心や長期的なビジネス収益にも影響を及ぼすため、企業と密接に関連している。
インタラクション中のユーザの感情を監視し、理解することは、満足度を予測し改善するのに役立ちます。
しかし、関連する中国のデータセットは限られており、ユーザーの感情はダイナミックである。
そこで我々は,マルチタスクで多言語対応の中国語対話データセットを構築し,感情認識と感情状態遷移予測をサポートし,対話システムにおける感情と満足度を研究するための新たなリソースを提供する。
関連論文リスト
- EMO-Reasoning: Benchmarking Emotional Reasoning Capabilities in Spoken Dialogue Systems [25.920610612373608]
EMO-Reasoningは、対話システムにおける感情的コヒーレンスを評価するためのベンチマークである。
マルチターン対話における感情遷移を評価するために,クロスターン感情推論スコアを提案する。
論文 参考訳（メタデータ） (2025-08-25T03:01:40Z) - 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) - Exploring Emotion-Sensitive LLM-Based Conversational AI [1.2466379414976048]
感情に敏感なLLMベースのチャットボットと感情に敏感なLLMベースのチャットボットを30名を対象に比較した。
感情に敏感なチャットボットでは,信頼感や能力の認知度が高いことが強調された。
本稿では、感情に敏感なチャットボットによるユーザ満足度の向上と、サポートサービスにおける潜在的な応用について論じる。
論文 参考訳（メタデータ） (2025-02-13T03:13:38Z) - 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) - EmoTwiCS: A Corpus for Modelling Emotion Trajectories in Dutch Customer
Service Dialogues on Twitter [9.2878798098526]
本稿では,情緒トラジェクトリに注釈を付けた9,489件のオランダの顧客サービス対話コーパスであるEmoTwiCSを紹介する。
感情軌跡」という用語は、顧客の体験したきめ細かい感情だけでなく、会話の前に起きる出来事や人間の操作者による反応も指している。
論文 参考訳（メタデータ） (2023-10-10T11:31:11Z) - 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) - 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) - 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) - 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。