《论文阅读》CARE:通过条件图生成的共情回复因果关系推理 EMNLP 2022

最新推荐文章于 2024-10-19 20:49:38 发布
最新推荐文章于 2024-10-19 20:49:38 发布
阅读量971 收藏
点赞数
分类专栏： 情感对话 文章标签： 论文阅读 VGAE 共情回复 因果推理 对话生成
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/132720144
版权
情感对话 专栏收录该内容
72 篇文章 59 订阅 ¥29.90 ¥99.00
订阅专栏
本文介绍了CARE模型，一种在共情回复生成中利用条件图进行因果关系推理的方法。针对现有方法的局限，CARE构建用户经历间的因果图，并通过Conditional Variational Graph Auto-Encoder进行推理。文章详细阐述了Transformer和VGAE的基础知识，模型结构，损失函数以及实验结果，引发对因果推理在对话生成中作用的思考。
摘要由CSDN通过智能技术生成

《论文阅读》CARE:通过条件图生成的移情反应因果关系推理

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《CARE: Causality Reasoning for Empathetic Responses by Conditional Graph Generation》

在这里插入图片描述

出版：EMNLP（findings）

时间：2022.11

类型：共情回复生成

关键词：因果推理；条件图；回复生成

作者：Jiashuo WANG, Yi CHENG, Wenjie LI

第一作者机构：Hong Kong Polytechnic University

github：https://github.com/wangjs9/CARE-master

简介

情感因果最近被用来加强用户感受和经历的理解，然而这种方法存在两个弊端：

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
专栏目录
订阅专栏
《论文阅读》E-CORE：情感相关性增强的移情对话生成 EMNLP 2023
MyHeartWillGoOn
03-14 266
亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~无抄袭，无复制，纯手工敲击键盘~今天为大家带来的是《E-CORE: Emotion Correlation Enhanced Empathetic Dialogue Generation》出版：EMNLP时间：2023类型：共情回复生成关键词：对话共情回复，回复生成，情感关联作者：Fengyi Fu, Lei Zhang, Quan Wang, Zhendong Mao。
《论文阅读》通过识别对话中的情绪原因来提高共情回复的产生 EMNLP 2021
MyHeartWillGoOn
02-23 438
亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~无抄袭，无复制，纯手工敲击键盘~今天为大家带来的是《Improving Empathetic Response Generation by Recognizing Emotion Cause in Conversations》出版：EMNLP时间：2021类型：因果推理关键词：情绪原因；对话共情回复，回复生成作者：Jun Gao, Yuhan Liu等。
【论文阅读】EMNLP2022 知识对话系统
JIAANGLI的博客
11-07 435
【论文阅读】Eliciting Knowledge from Large Pre-Trained Models for Unsupervised Knowledge-Grounded Conversatio直接在原始文本上进行学习的预训练语言模型近几年取得了重大进展，这类大模型能否作为数据库用于下游任务呢？本文在无监督知识对话上探究了上述问题。没太搞明白这篇文章的贡献在哪里，从知识的生成方法来看用的是前人的模型。可能是结合知识回答问题，解决事实幻觉（Hallucination）这里的贡献？有时间了再看一下。
【论文阅读】UniMSE: Towards Unified Multimodal Sentiment Analysis and Emotion Recognition（EMNLP 2022）
weixin_48432468的博客
02-28 1093
一个多模态情感知识共享框架 (UniMSE)，它统一了来自特征、标签和模型的 MSA 和 ERC 任务。
【论文阅读笔记|EMNLP2022】A Span-level Bidirectional Network for Aspect Sentiment Triplet Extraction
@
05-28 1434
细粒度情感分析
《论文阅读》对话推理的对比学习 EMNLP 2023
MyHeartWillGoOn
04-18 298
亲身阅读感受分享，细节画图解释，再也不用担心看不懂论文啦~无抄袭，无复制，纯手工敲击键盘~今天为大家带来的是《Contrastive Learning for Inference in Dialogue》出版：EMNLP时间：2023类型：对话中的推理特点：对比学习；对话；推理作者：Etsuko Ishii第一作者机构：The Hong Kong University of Science and Technology。
ACL'22 | e-CARE: 可解释的因果推理数据集
zenRRan的博客
05-15 2216
每天给你送来NLP技术干货！论文名称：e-CARE: a New Dataset for Exploring Explainable Causal Reasoning论文作者：杜理，丁效，熊凯，刘挺，秦兵原创作者：杜理出处：哈工大SCIR1. 简介因果推理是人类的一项核心认知能力。借助因果推理能力，人类得以理解已观测到的各种现象，并预测将来可能发生的事件。然而，尽管当下的...
论文速递 && EMNLP2022 | 接受论文抢先看！！！（内含下载列表）
yinizhilianlove的博客
10-10 1632
关于EMNLP2022，最近有作者开始收到论文接受的通知。因此本文为大家整理了一波EMNLP2022接收论文供大家下载阅读。其中共计26篇，这里整理了24篇。
EMNLP2022 信息抽取和实体识别相关论文汇总
samoyan的博客,记录技术成长~
10-25 1171
1、ner 相关文档。
EMNLP 2022 最佳论文揭晓！这脑洞绝了⋯_.pdf
08-12
《EMNLP 2022最佳论文：利用七巧板形状进行抽象视觉推理》 在人工智能领域，尤其是自然语言处理（NLP）和多模态学习中，理解和模拟人类的抽象思维能力是一项核心挑战。EMNLP 2022最佳论文引入了一种新颖的方法，...
EMNLP 2022 最佳论文揭晓！这脑洞绝了⋯_.rar
10-18
要想深入理解这篇论文的创新之处，阅读“EMNLP 2022 最佳论文揭晓！这脑洞绝了⋯_.pdf”将是至关重要的。通过详细分析其研究方法、实验结果和实际应用，我们可以更全面地了解这些新技术对未来的深远影响。
[论文阅读]: Detecting Copyrighted Content in Language Models Training Data
m0_52911108的博客
10-13 749
DE-COP，这是一种与黑盒模型兼容的创新方法，用于检测训练数据，它基于这样的直觉，即如果模型能够从其释义版本中区分训练中使用的句子和看不见的句子，则表明它们可能接受过该特定内容的训练。给出了基准数据集，可以直接使用。
【论文阅读】03-Diffusion Models and Representation Learning: A Survey
Mr_GYF的博客
10-16 970
左图：显示使用自监督制导信号条件反射的扩散模型的定性生成结果。右图：显示下游图像任务的定性结果，这些任务利用了在训练扩散模型中学习到的表征。改编自Li等人[100]，Hu等人[73]，Pan等人[130]，Baranchuk等人[15]，Yang和Wang[173]图1所示，展示了关于扩散模型和表示学习的已发表和预印本论文的年度数量。对于2024年，绿色条表示截至2024年6月（含2024年6月）收集的论文数量，灰色虚线表示全年的预测数量。这一段解释如何通过重新参数化，简化原始的生成扩散模型，对。
DAB-DETR: DYNAMIC ANCHOR BOXES ARE BETTER QUERIES FOR DETR论文笔记
Zssss12的博客
10-15 1066
在本文中，我们提出了一种新的查询公式，使用动态锚框进行DETR (DEtection TRansformer)，并对查询在DETR中的作用进行了更深入的理解。这个新公式直接使用框坐标作为 Transformer 解码器中的查询，并逐层动态更新它们。使用框坐标不仅有助于使用显式位置先验来改进查询到特征的相似性并消除 DETR 中缓慢的训练收敛问题，还允许我们使用框宽度和高度信息调制位置注意力图。这样的设计清楚地表明，DETR 中的查询可以实现为级联方式逐层执行软 ROI 池化。
《RECONX: RECONSTRUCT ANY SCENE FROM SPARSEVIEWS WITH VIDEO DIFFUSION MODEL》论文阅读
programmer_A的博客
10-15 1005
传统的3D重建方法主要用于处理经过校准的摄像机拍摄的真实照片，而直接应用这些方法于生成的视频时，由于生成图像的不确定性，难以恢复一致的3D场景。方差σi表示生成的视图与实际视图之间的差异。置信感知机制主要通过全局对齐生成帧的像素值，建模每个像素的颜色值为高斯分布，其中均值是生成帧的像素值，方差则衡量生成帧和真实帧的差异。”，也就是说，它不直接解决3D重建的病态问题，而是通过时间维度（视频序列）生成一个逐帧一致的3D场景。首先，利用3D结构引导来提升生成帧的质量，使其更加符合稀疏图像视角下的3D结构。
论文阅读-U3M(2)
luralying的博客
10-16 909
在使用基于CNN的模型学习数据特征时，由于CNN是使用卷积在输入图像局部的滑动卷积提取特征，所以想当然的认为基于CNN的方法很难感知到图像的绝对位置信息。但是作者发现了一个有趣的现象，我们通常认为图像的显著性区域集中在图像中心，在对图像进行裁剪后（显著性区域内容不会变化，但是位置会发生变化），模型仍然可以感知到显著性区域。因此作者提出一个假设：卷积神经网络能够隐式地将图像的绝对位置编码进特征图中。作者通过一系列随机化测试来验证该假设。
【论文阅读】Detach and unite: A simple meta-transfer for few-shot learning
cainiaomyf的博客
10-17 525
小样本学习（Few-shot Learning, FSL）是一个具有挑战性的问题，旨在从有限的示例中学习并进行泛化。最近的研究采用了元学习和迁移学习策略的结合来解决 FSL 任务。这些方法执行预训练，并将学到的知识转移到元学习中。然而，这种迁移模式是否适当尚不明确，且这两种学习策略的目标尚未得到充分探讨。此外，FSL 中元学习的推理依赖于样本关系，而这些关系需要进一步考虑。在本文中，我们揭示了预训练与元学习策略之间一个被忽视的学习目标差异，并提出了一种简单但有效的小样本分类任务学习范式。
GS-SLAM论文阅读--GSORB-SLAM
最新发布
qq_45795134的博客
10-19 668
3D高斯飞溅（3DGS）的出现最近引发了密集视觉SLAM研究的新浪潮。然而当前的方法面临着诸如对伪影和噪声的敏感性、训练视点的次优选择以及缺乏全局优化等挑战。目前迫切的问题仍然需要解决，例如Bundle Adjustment （BA）问题和对工件的敏感性，这会导致跟踪精度的降低。此外，缺乏多视图约束和强各向异性导致高斯函数对当前视点过拟合。虽然Photo-SLAM和TAMBRIDGE都利用了ORB特征点，但它们并没有充分利用特征点的潜在性能优势。
【论文阅读】DL-SRIR综述2023
Winkyyyyyy的博客
10-16 767
基于深度学习的单图像超分辨率重建综述2023阅读
EMNLP 2022：脑洞大开的抽象与智能研究论文
在2022年EMNLP (Empirical Methods in Natural Language Processing)会议上，一篇备受瞩目...通过阅读这篇论文，读者可以了解到当前前沿的研究进展和未来的探索方向，对于理解和推动人工智能的理论与实践具有重要意义。
评论
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