論文の概要: PRCCF: A Persona-guided Retrieval and Causal-aware Cognitive Filtering Framework for Emotional Support Conversation

• arxiv url: http://arxiv.org/abs/2604.01671v1
• Date: Thu, 02 Apr 2026 06:18:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.558917
• Title: PRCCF: A Persona-guided Retrieval and Causal-aware Cognitive Filtering Framework for Emotional Support Conversation
• Title（参考訳）: PRCCF:感情支援会話のためのペルソナ誘導型検索と因果認識型認知フィルタリングフレームワーク
• Authors: Yanxin Luo, Xiaoyu Zhang, Jing Li, Yan Gao, Donghong Han,
• Abstract要約: 本稿では,Persona-guided RetrievalとCausality-aware Cognitive FilteringフレームワークであるPRCCFを提案する。 セマンティック互換性とペルソナアライメントを共同でモデル化して応答生成を向上させるペルソナ誘導検索機構が組み込まれている。 PRCCFは、自動測定と人的評価の両方で最先端のベースラインを上回っている。
• 参考スコア（独自算出の注目度）: 10.050504675179686
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Emotional Support Conversation (ESC) aims to alleviate individual emotional distress by generating empathetic responses. However, existing methods face challenges in effectively supporting deep contextual understanding. To address this issue, we propose PRCCF, a Persona-guided Retrieval and Causality-aware Cognitive Filtering framework. Specifically, the framework incorporates a persona-guided retrieval mechanism that jointly models semantic compatibility and persona alignment to enhance response generation. Furthermore, it employs a causality-aware cognitive filtering module to prioritize causally relevant external knowledge, thereby improving contextual cognitive understanding for emotional reasoning. Extensive experiments on the ESConv dataset demonstrate that PRCCF outperforms state-of-the-art baselines on both automatic metrics and human evaluations. Our code is publicly available at: https://github.com/YancyLyx/PRCCF.
• Abstract（参考訳）: 感情支援会話(Emotional Support Conversation、ESC)は、感情的反応を発生させることによって個人の感情的苦痛を軽減することを目的としている。 しかし,既存の手法は,文脈理解の深化を効果的に支援する上での課題に直面している。 本稿では,Persona-guided RetrievalとCausality-aware Cognitive FilteringフレームワークであるPRCCFを提案する。 具体的には、応答生成を向上させるために、セマンティック互換性とペルソナアライメントを共同でモデル化するペルソナ誘導検索機構が組み込まれている。 さらに、因果認知フィルタリングモジュールを用いて、因果関係の外部知識を優先し、感情的推論のための文脈認知理解を改善する。 ESConvデータセットの大規模な実験により、RCCFは自動メトリクスと人的評価の両方で最先端のベースラインを上回ります。 私たちのコードは、https://github.com/YancyLyx/PRCCFで公開されています。

関連論文リスト

• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• Kardia-R1: Unleashing LLMs to Reason toward Understanding and Empathy for Emotional Support via Rubric-as-Judge Reinforcement Learning [20.717092979679553]
  KardiaBenchは、22,080の会話で178,080のQAペアで構成され、671の現実世界プロファイルにアンロックされた大規模なユーザグラウンドベンチマークである。 Kardia-R1は、解釈可能な、段階的な共感的認知のためのモデルを訓練するフレームワークである。 私たちのデータセットとモデルはhttps://github.com/JhCircle/Kardia-R1.comでリリースされます。
  論文  参考訳（メタデータ） (2025-12-01T04:54:03Z)
• CARE: Cognitive-reasoning Augmented Reinforcement for Emotional Support Conversation [25.567786529759406]
  Emotional Support Conversation (ESC) は、心理的ストレスを緩和し、対話を通じて感情的価値を提供する上で重要な役割を担っている。 近年の研究では、データ拡張と合成コーパスの構築に主に焦点が当てられている。 大規模合成データに頼らずにESCにおける推論を強化する新しいフレームワークである textbfCARE を提案する。
  論文  参考訳（メタデータ） (2025-09-30T03:19:50Z)
• Think Socially via Cognitive Reasoning [94.60442643943696]
  本稿では,人間の社会的認知をモデルとした認知推論について紹介する。 CogFlowは、この機能をLLMに組み込む完全なフレームワークである。
  論文  参考訳（メタデータ） (2025-09-26T16:27:29Z)
• Mental Health Impacts of AI Companions: Triangulating Social Media Quasi-Experiments, User Perspectives, and Relational Theory [18.716972390545703]
  我々は,AICCがウェルビーイングをどのように形成し,ユーザがこれらの経験をどう感じたかを検討した。 発見は、感情と悲しみの表現、読みやすさ、対人的な焦点の混合効果を示した。 私たちは、健全なバウンダリを把握し、マインドフルエンゲージメントをサポートし、依存のない開示をサポートし、表面的な関係ステージを持つAIコンパニオンに対して、設計上の意味を提供する。
  論文  参考訳（メタデータ） (2025-09-26T15:47:37Z)
• IntentionESC: An Intention-Centered Framework for Enhancing Emotional Support in Dialogue Systems [74.0855067343594]
  感情的支援の会話では、意図の不明確さは、支持者に不適切な戦略を採用させる可能性がある。 Intention-centered Emotional Support Conversation frameworkを提案する。 支援者の意図を定義し、これらの意図を推測するための重要な感情状態の側面を特定し、それらを適切な支援戦略にマッピングする。
  論文  参考訳（メタデータ） (2025-06-06T10:14:49Z)
• Cause-Aware Empathetic Response Generation via Chain-of-Thought Fine-Tuning [12.766893968788263]
  共感反応生成は、対話の文脈を理解し、表現された感情に反応する能力を持つエージェントを与える。 先行研究は、主に話者の感情的ラベルを活用することに重点を置いているが、感情の重要性が原因の推論を無視している。 そこで我々は,感情と原因をうまく設計したChain-of-Thoughtプロンプトを通じて統合した原因認識型共感生成手法を提案する。
  論文  参考訳（メタデータ） (2024-08-21T13:11:03Z)
• APTNESS: Incorporating Appraisal Theory and Emotion Support Strategies for Empathetic Response Generation [71.26755736617478]
  共感反応生成は、他人の感情を理解するように設計されている。 検索強化と感情支援戦略統合を組み合わせたフレームワークを開発する。 我々の枠組みは認知的・情緒的共感の両面からLLMの共感能力を高めることができる。
  論文  参考訳（メタデータ） (2024-07-23T02:23:37Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• 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)

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。