論文の概要: REFLECT: Role-Aware Detection of Sentiment, Emotion, Politeness, and Formality

• arxiv url: http://arxiv.org/abs/2610.13797v1
• Date: Fri, 09 Oct 2026 16:10:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-13 04:06:29.681719
• Title: REFLECT: Role-Aware Detection of Sentiment, Emotion, Politeness, and Formality
• Title（参考訳）: REFLECT:役割認識による感情・感情・政治・形式の検出
• Abstract要約: 本研究では、4つのSEPF次元を理論基底のセマンティックロールラベル構成にマッピングするロール対応トランスフォーマーアーキテクチャを提案する。 役割意識は非方向性内的状態(感覚と感情)をモデル化する一方、方向性意識は外的手がかり(政治的・形式的)の開始者から順応的関係を捉えている 4つのベンチマークデータセットで、このフレームワークは、感情、丁寧さ、形式性の強いBERTベースのベースラインよりも統計的に信頼性の高いゲインを得る。 実世界のデータに関するさらなる評価は、このフレームワークが予測性能とモデルトレーサビリティの両方を改善していることを示している。
• 参考スコア（独自算出の注目度）: 3.1993705167238216
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Detecting communicative meaning in dialogue requires modeling not only lexical content but also the participant-role structures through which sentiment, emotion, politeness, and formality (SEPF) are expressed. Existing approaches rely on contextual language representations while leaving semantic roles implicit. We introduce a role-aware transformer architecture that maps the four SEPF dimensions to theory-grounded Semantic Role Labeling (SRL) configurations, incorporating these configurations directly into the transformer's self-attention mechanism. Role-aware attention models non-directional internal states (sentiment and emotion), while directional role-aware attention captures initiator-to-recipient relations for external cues (politeness and formality). The resulting role-aware representations are fused with contextual embeddings through a learned gate that adaptively weights how much role information each input contributes, rather than appending semantic roles as an auxiliary feature vector. Across four benchmark datasets, the framework yields statistically reliable gains over strong BERT-based baselines for emotion, politeness, and formality, with gains concentrated in theoretically predicted cases such as low-frequency, complex emotions and highly polite expressions; sentiment improvements are marginal and non-significant, suggesting that sentiment is conveyed more through lexical choice than participant-role structure. Additional evaluation on real-world data demonstrates that the framework improves both predictive performance and model traceability. These results demonstrate that linguistically grounded modifications to transformer self-attention improve the detection of communicative meaning, generalize beyond benchmark datasets to real-world mental-health data, and yield traceable, role-grounded explanations that extend beyond predictive performance to interpretability.
• Abstract（参考訳）: 対話におけるコミュニケーションの意味を検出するには、語彙内容だけでなく、感情、感情、丁寧さ、形式性(SEPF)が表現される参加者ロール構造もモデル化する必要がある。 既存のアプローチは文脈言語表現に依存し、セマンティックな役割を暗黙的に残している。 本研究では、4つのSEPF次元を理論基底セマンティックロールラベル(SRL)構成にマッピングし、これらの構成を直接変換器の自己注意機構に組み込む役割認識型トランスフォーマーアーキテクチャを提案する。 役割意識は、非方向性の内的状態(感覚と感情)をモデル化する一方、方向性のロール意識は、外部の手段(政治と形式)の開始者から順応的な関係を捉えている。 結果として生じるロール認識表現は、補助的特徴ベクトルとしてセマンティックロールを付加するのではなく、各入力がどの程度の役割情報に寄与するかを適応的に重み付けする学習ゲートを通じてコンテキスト埋め込みと融合する。 4つのベンチマークデータセット全体で、このフレームワークは、感情、丁寧さ、フォーマルさの強いBERTベースのベースラインよりも統計的に信頼性の高いゲインを獲得し、低周波、複雑な感情、高礼儀正しい表現といった理論上予測されたケースに集中している。 実世界のデータに関するさらなる評価は、このフレームワークが予測性能とモデルトレーサビリティの両方を改善していることを示している。 これらの結果は,トランスフォーマーの自己注意に対する言語的基盤的な修正によって,コミュニケーション的意味の検出が向上し,ベンチマークデータセットを超えて現実のメンタルヘルスデータに一般化され,予測性能から解釈可能性まで及ぶトレーサブルなロールグラウンドの説明が得られることを示している。

関連論文リスト

• Improving General Role-Playing Agents via Psychology-Grounded Reasoning and Role-Aware Policy Optimization [62.82109000444373]
  Psy-CoTは、事前応答推論を3つの役割固有のステップに分解する、思考の連鎖フレームワークである。 CoSER, CharacterBench, CharacterEvalの実験は、Psy-CoTが既存のロールプレイングCoTメソッドより優れていることを示した。
  論文  参考訳（メタデータ） (2026-06-25T13:34:47Z)
• Large Vision-Language Models Get Lost in Attention [51.851592109135716]
  本稿では,情報理論と幾何に基づく統合フレームワークを提案し,残差更新の幾何的およびエントロピー的性質を定量化する。 注意は再設定に焦点を当てたサブスペース言語演算子として機能し、FFNはセマンティックイノベーションを駆動するサブスペース言語演算子として機能します。
  論文  参考訳（メタデータ） (2026-05-07T04:45:52Z)
• SELF-EMO: Emotional Self-Evolution from Recognition to Consistent Expression [13.896538941019722]
  より優れた感情予測がより一貫性のある感情応答をもたらすという仮説に基づく自己進化フレームワークであるSELF-EMOを提案する。 本稿では、感情理解と感情表現という2つの補助的タスクを導入し、モデルが感情認識と対話応答の両方として機能するロールベースのセルフプレイパラダイムを設計する。 IEMOCAP、MELD、エモリーNLPの実験により、SELF-EMOは最先端の性能を達成し、Qwen3-4Bでは+6.33%、Qwen3-8Bでは+8.54%の精度が向上した。
  論文  参考訳（メタデータ） (2026-04-20T09:27:40Z)
• Character Beyond Speech: Leveraging Role-Playing Evaluation in Audio Large Language Models via Reinforcement Learning [57.22705949022221]
  RoleJudgeは、音声大言語モデルを利用して、音声と文字のアライメントを評価する評価フレームワークである。 連鎖推論アノテーションを付加した最初の音声ロールプレイング評価データセットであるRoleChatを紹介する。
  論文  参考訳（メタデータ） (2026-04-15T12:39:03Z)
• REFLEX: Self-Refining Explainable Fact-Checking via Disentangling Truth into Style and Substance [14.932352020762991]
  本稿ではReason-Guided Fact-checking with Latent Explanations REFLEX paradigmを提案する。 バックボーンモデルの内部知識を活用して、検証精度と説明品質の両方を改善する、プラグアンドプレイの自己修正パラダイムである。 自己修正されたトレーニングサンプルはわずか465で、RELFEXは最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-11-25T12:06:23Z)
• Explaining multimodal LLMs via intra-modal token interactions [55.27436637894534]
  MLLM(Multimodal Large Language Models)は、様々な視覚言語タスクにおいて顕著な成功を収めているが、その内部決定機構は十分に理解されていない。 モーダル内相互作用を利用した解釈可能性の向上を提案する。
  論文  参考訳（メタデータ） (2025-09-26T14:39:13Z)
• Prompt-based Logical Semantics Enhancement for Implicit Discourse Relation Recognition [4.7938839332508945]
  Inlicit Discourse Relation Recognition (IDRR) のための Prompt-based Logical Semantics Enhancement (PLSE) 法を提案する。 提案手法は,事前学習した言語モデルに対する対話関係に関する知識を,素早い接続予測によってシームレスに注入する。 PDTB 2.0 と CoNLL16 データセットによる実験結果から,本手法は現状の最先端モデルに対して優れた一貫した性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-11-01T08:38:08Z)
• REDAffectiveLM: Leveraging Affect Enriched Embedding and Transformer-based Neural Language Model for Readers' Emotion Detection [3.6678641723285446]
  本稿では,REDAffectiveLMと呼ばれる深層学習モデルを用いて,短文文書からの読み手感情検出のための新しい手法を提案する。 コンテクストに特化してリッチ表現に影響を与え, リッチBi-LSTM+Attentionに影響を及ぼすタンデムにおいて, トランスフォーマーに基づく事前学習言語モデルを用いることで, リッチ表現に影響を及ぼす。
  論文  参考訳（メタデータ） (2023-01-21T19:28:25Z)
• Self-Attention Attribution: Interpreting Information Interactions Inside Transformer [89.21584915290319]
  本稿では,トランスフォーマー内の情報相互作用を解釈する自己帰属属性法を提案する。 本研究は,BERT に対する非目標攻撃の実装において,その属性を敵対パターンとして用いることができることを示す。
  論文  参考訳（メタデータ） (2020-04-23T14:58:22Z)

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。