《论文阅读》Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation

已于 2023-02-25 11:14:26 修改
阅读量412 收藏
点赞数 1
分类专栏： 情感对话 文章标签： 论文阅读 情感对话生成 PPML EDG thinktwice
于 2023-01-26 18:19:15 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_44833392/article/details/128766724
版权
情感对话 专栏收录该内容
70 篇文章 59 订阅 ¥29.90 ¥99.00
订阅专栏
本文介绍了《Think Twice》论文，它提出了一种两阶段类人对话系统，用于情感对话生成。首先，使用预训练模型生成语义原型响应，然后通过情感精炼器调整情感。实验表明，这种方法在保持语义性能的同时，提高了情感生成的效果。该方法解决了情感和语义联合建模的挑战，并在DailyDialog和EmpatheticDialogues数据集上取得了良好效果。
摘要由CSDN通过智能技术生成

《论文阅读》Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation

前言

你是否也对于理解论文存在困惑？

你是否也像我之前搜索论文解读，得到只是中文翻译的解读后感到失望？

小白如何从零读懂论文？和我一起来探索吧！

今天为大家带来的是《Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation》

在这里插入图片描述

出版：the 22nd International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2023)

时间：2023

类型：情感对话生成

特点：分别生成情感和回复，再融合，用到了GLEU

作者：Yushan Qian等

第一作者机构：Tianjin University

简介

对于类人对话系统，当前的情感对话方法使用统一的神经网络联合建模情感和语义。由于情感和语义之间的相互制约，该策略倾向于生成安全回复且需要大规模情感注释对话语料库。受人类智能对话中“三思而后行”行为的启发，我们提出了一种用于生成情感对话的两阶段对话代理。首先，在没有情感注释对话语料库的情况下训练的对话模型生成符合上下文语义的原型响应。其次，第一阶段原型由具有共情假设的可控情绪精炼器修改。 在 DailyDialog 和 EmpatheticDialogues 数据集上的实验结果表明

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
  • 1
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
AAMAS2023｜三思而后行：一个类人的用于情感对话生成的两阶段对话代理
zenRRan的博客
02-07 567
来自：社媒派SMP进NLP群—>加入NLP交流群题目：Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation作者：钱宇珊（天津大学）、王博（天津大学）、马尚朝（天津大学）、吴斌（起硕智能）、张硕（起硕智能）、赵东明（中国移动）、黄堃（中国移动）、侯越先（天津大学）会议...
AAMAS 2023｜三思而后行：一个类人的用于情感对话生成的两阶段对话代理
Paper weekly
02-07 462
©作者 |钱宇珊、王博等来源 |社媒派SMP论文标题：Think Twice: A Human-like Two-stage Conversational Agent for Emotional Response Generation论文链接：http://arxiv.org/abs/2301.04907论文作者：钱宇珊（天津大学）、王博（天津大学）、马尚朝（天津大学）、吴斌（起硕智能）、张硕...
闭环自动驾驶新SOTA！| ThinkTwice：拓展端到端解码器！
CV_Autobot的博客
05-25 430
点击下方卡片，关注“自动驾驶之心”公众号ADAS巨卷干货，即可获取今天自动驾驶之心为大家分享端到端自动驾驶新方案：ThinkTwice。如果您有相关工作需要分享，请在文末联系我们！作者 |贾萧松（本文已获授权）编辑 | 自动驾驶之心>>点击进入→自动驾驶之心【全栈算法】技术交流群近年来，端到端自动驾驶取得了令人瞩目的进展。现有的方法通常采用解耦的编解码模式，编码器从原始传感器数据中提...
论文笔记：Look and Think Twice
想变有趣的EMMA
03-01 2538
Look and Think Twice: Capturing Top-Down Visual Attention with Feedback Convolutional Neural Networks 摘要 在计算机视觉领域反馈型深度卷积神经网络取得了巨大的成功。但是人类的视网膜反馈明显比正馈能包含更多的连接。在本篇文章中引进了背景反馈信息，能够激励我们发展计算反馈机制。此外，在传统神
论文总结——情感对话
zoe的博客
06-13 2006
情感对话~
twice:TWICE-基于Web的交互式环境的工具包
05-17
两次 基于Web的交互式协作环境的工具包。 请访问以获取有关如何使用代码和工具包的进一步说明。 文档工作仍在进行中，并且会不断完善-请重新访问页面以进行更新，并让我们知道您希望在跟踪列表中将重点放在哪些模块...
fool-me-twice:Fool Me Twice的游戏代码和数据
04-29
愚弄我两次游戏，实验和数据的已在NAACL 2021上发表的论文《 》中介绍。 在这项工作中，我们建立了一个游戏，供玩家通过查看其Wikipedia页面上的证据来区分被拒绝的陈述和被拒绝的陈述。 玩家还可以编写自己的陈述，...
Sekiro: Shadows Die Twice New Tab-crx插件
03-14
Sekiro：Shadows Die Twice New Tab Extension使您的Chrome浏览器焕然一新。 安装“ Sekiro：Shadows Die Twice”新标签，并享受Sekiro：Shadows Die Twice的精选高清图像。 它带有一些很酷的属性，这些属性可以改善...
You Only Look Twice Rapid Multi-Scale Object Detection In.pdf
07-05
发表在CVR2018的YOLT算法，实现遥感图像的多尺度目标识别的论文pdf。 You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery autho：Adam Van Eten
think-twice-website
03-09
两次思考-了解更多 这是Think Twice Chrome扩展程序的“了解更多”网站。 在页面中，我们概述了我们的排名，我们的目标以及减少浪费和更可持续地购物的方式。 有关更多详细信息，请随时通过向我们发送电子邮件。
【论文泛读98】情感感知对话响应生成和分类的多任务学习
scu-liu的博客
05-26 783
贴一下汇总贴：论文阅读记录 论文链接：《Multi-Task Learning of Generation and Classification for Emotion-Aware Dialogue Response Generation》 一、摘要 为了使计算机自然地与人互动，它必须像人一样。在本文中，我们提出了一种以生成和分类的多任务学习为重点的神经反应生成模型，重点是情感。我们基于BART的模型（Lewis等人，2020年）是经过预先训练的变压器编码器/解码器模型，经过训练可以生成响应并同时识别情绪。
【四】情感对话 Improving Multi-turn Emotional Support Dialogue Generation with Lookahead Strategy Planning
彭伟的博客
11-09 1089
这篇文章主要考虑的是做一个未来策略的安排，在其中用到了A*搜索算法，分别计算了基于历史，对当前作出的判断以及对未来的一个规划实验效果，充分的说明了模型的有效性。该函数有两部分打分组成，第1部分打分表示的是根据过去的信息来得到当前的一个策略，第2部分的打分是如何考虑未来的信息评估用户的反馈（肯定要选择反馈好的策略）。实验部分主要的是两个实验，第1个是回复生成的实验，第2个是策略预测的实验，那么这个也是给了这些相关的实验来证明模型的有效性。整个模型包含4个部分，左边是编码部分，右边是策略的预测以及解码部分。
《论文阅读》EmpTransfo: A Multi-head Transformer Architecture for Creating Empathetic Dialog Systems
MyHeartWillGoOn
08-05 351
*[A] ** 使用的数据集质量不高，它是先用CLPCC2013&2014的微博情感数据集训练分类器，再用该分类器对STC数据集进行情感类别生成，制作成最终的数据集，质量没有进行验证。汇总：提出了一种新颖的多头Transformer架构，可以使用关于情绪、话题和行动的明确上下文信息，以适当的情绪回应用户的话语，而不会牺牲响应的一致性、相关性和一致性。从预训练模型的角度切入情感对话，并从中创造出新的数据集以及新的多任务学习的损失函数，以及如何将情感信息和动作信息融入编码中，在实践过程中提供了很好的先例。...
【二】情感对话 Control Globally,Understand Locally: A Global-to-Local Hierarchical Graph Network for ESConv
彭伟的博客
11-07 767
今天给大家分享一篇在IJCAI 2022的关于情感对话的论文。该论文由中科院信工所彭伟、胡玥老师团队发表，主要思想是从认知的角度来挖掘用户隐式表达的意图信息，以及建模用户的意图、情感问题和对话历史之间的关系。
最新最全论文合集——对话生成
AI_Conf的博客
02-05 387
AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。 必读论文：https://www.aminer.cn/topic 论文集地址：https:/.
《Recurrent Chunking Mechanisms for Long-Text Machine Reading Comprehension》--论文分享
u011150266的博客
04-30 321
《RecurrentChunkingMechanismsforLong-TextMachineReadingComprehension》--论文分享 作者：孙嘉伟 时间：2021年4月30日 排版：李瑾 今天要分享的是来自ACL2020的一篇论文，作者是：HongyuGong,YelongShen,DianYu,JianshuChen,DongYu 解决的问题 现在的机器阅读理解模型大多数都是使用预训练模型（例如BERT）对文档和问题的联合上下文...
【论文阅读】Recurrent Chunking Mechanisms for Long-Text Machine Reading Comprehension
没有胡子的猫Asimov
07-17 241
Recurrent Chunking Mechanisms for Long-Text Machine Reading Comprehension 论文：https://arxiv.org/abs/2005.08056 代码：https://github.com/HongyuGong/RCM-Question-Answering 任务 传统的基于transformer的模型只能接受固定长度（如512）的文本作为其输入。为了处理更长的文本输入，以前的方法通常将它们分割成等距的片段，并根据每个片段独立预测答
对话情感识别与生成 | (1) 对话情感识别与生成简述
sdu_hao的博客
06-19 6963
原文地址 文章目录1. 介绍2. 对话情感识别2.1 任务介绍2.2 数据集介绍2.3 相关工作介绍3. 对话情感生成3.1 任务介绍3.2 数据集介绍3.3 相关工作介绍4. 总结5. 参考资料 1. 介绍 近年来，随着自然语言处理技术的快速发展，人机对话系统受到了很多关注，并逐渐成为了学术界和工业界的研究热点。人机对话系统不断发展进步，应用范围不断扩大，人们对它也有了更高的要求，希望机器在关注回复内容的基础上，可以与人进行更深入的交流。 近期的一些工作表明[10, 13, 15,16, 18-21,
情感+对话文章总结
zeroQiaoba的博客
12-14 5086
这是ACL2017的一篇文章，主要就是把情感属性和情感强度增加到句子生成过程中。(发布的时间比较早了，最晚也是2017年初发布的) 主要提出了Affect-LM模型，是我目前看过的，最早提出的模型之一了。 任务目标是：给出前M个词，情感向量e以及情感作用的强度β，输出后面的N个单词，组成完整的一句话。 它本质就是一个增加情感的语言模型，用来做句子生成。 模型公式： 用β控制情...
Jun 27 09:26:54 ccscm-002 xmsim: *** Error in `xmsim': double free or corruption (fasttop): 0x0000000014985790 ***
最新发布
06-28
The error message you've provided indicates a problem in the `xmsim` program, which is running on a system with the hostname 'ccscm-002' at 09:26:54 on June 27th. The specific error is a "double free or corruption" and references an address `0x0000000014985790`. This suggests that there was an attempt to free memory twice, which can lead to memory corruption because the first free operation might not have fully released the memory. In software development, a double-free error typically occurs when a pointer is accidentally set to NULL after being freed, and then it's attempted to be freed again. It could happen due to bugs in the code, like not keeping track of ownership of memory properly, or improper use of dynamic memory allocation functions like `malloc` or `free`. To debug this issue, developers would need to examine the following steps: 1. Check for any memory management issues: Look at the code responsible for allocating and freeing memory around the error location. 2. Use a debugger: Analyze the call stack at the time of the crash to identify the function that caused the double free. 3. Review recent changes: If the error appeared recently, consider if any recent updates to the codebase might have introduced the bug. 4. Memory leak detection: Ensure there are no unintentional memory leaks that could lead to unexpected frees.
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

365JHWZGo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值