《论文阅读》一种基于反事实推理的会话情绪检测无训练去偏框架 EMNLP 2023

已于 2024-03-31 21:33:30 修改
阅读量684 收藏
点赞数
分类专栏： 情感对话 文章标签： 论文阅读 ERC 情绪预测 对话 debias
于 2024-03-31 21:32:48 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/137202739
版权
情感对话 专栏收录该内容
72 篇文章 63 订阅 ¥29.90 ¥99.00
订阅专栏
该论文提出了一种无需训练的去偏框架（TFDF），用于对话情绪识别。TFDF通过反事实推理提取并减少数据中的标签偏置、说话者偏置和中性词偏置。作者使用EmoryNLP数据集展示了数据集中的偏置问题，并通过因果图和do-calculus进行模型调整，消除潜在的错误关联。实验结果表明了这种方法的有效性。
摘要由CSDN通过智能技术生成

《论文阅读》一种基于反事实推理的会话情绪检测无训练去偏框架 EMNLP 2023

前言

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《A Training-Free Debiasing Framework with Counterfactual Reasoning for Conversational Emotion Detection》

在这里插入图片描述

出版： EMNLP

时间：2023

类型：对话情绪识别

关键词：情绪识别；对话；去除偏差

作者：Geng Tu, Ran Jing等

第一作者机构：Harbin Institute of Technology, Shenzhen, China

简介

在过去的对话情绪识别任务中，人们通常重点捕获对上下文、说话者敏感的依赖关系，而忽略了数据集本身存在的数据偏置，如标签的偏置、说话者的偏置以及单词的偏置，为了消除这种固有的偏置，

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
专栏目录
订阅专栏
【大模型应用开发 动手做AI Agent】基于大模型的Agent技术框架
AI天才研究院
06-10 1682
随着人工智能技术的快速发展，特别是自然语言处理和大模型技术的突破，基于大模型的Agent（代理）技术正在成为人工智能应用的新热点。Agent技术旨在创建能够自主执行任务、与人交互的智能软件系统，在客户服务、个人助理、智能教育等领域具有广阔的应用前景。本文将深入探讨基于大模型的Agent技术框架，阐述其核心概念、原理和实践，为读者提供全面深入的认识。基于大模型的 Agent 技术正处于快速发展阶段。模型的进一步增大和优化，在更广泛的领域达到人类水平。
EMNLP 2020上与【反事实推理】相关的论文（五篇）.zip
11-23
据悉，EMNLP 2020共收到有效投稿3114篇，录用602篇长文和150篇短文。近期，所有Paper list 放出，也包括（Findings of EMNLP），因果推理及其应用相关的接受Paper很多，在其他领域比如CV、数据挖掘、推荐等也广受关注。
反事实VQA论文阅读
qq_56551150的博客
11-04 553
简单地排除额外的分支不能利用良好的上下文。事实上，对于最近的去偏VQA方法来说，从整体中分离出好的和坏的仍然具有挑战性。传统的VQA无法解开单模态语言相关性和多模态推理，即直接和间接影响。语言偏差可以通过估计Q对A的直接因果效应，即纯语言效应来识别。本文的主要贡献有三个方面。首先，我们的反事实推理框架是第一个将VQA中的语言偏差表述为因果效应的框架。其次，我们为最近的去偏VQA工作提供了一种基于因果关系的新型解释[11，14]。第三，我们的因果关系是通用的，适用于不同的基线VQA架构和融合策略。
因果推断与反事实预测——盒马KDD2021的一篇论文（二十三）
素质云笔记
01-02 8639
参考： KDD2021论文推荐：盒马-融合反事实预测与MDP模型的清滞销定价算法 Markdowns-in-E-Commerce-Fresh-Retail-A-Counterfactual-Prediction-and-Multi-Period-Optimization-Approach 利用机器学习因果推理进行弹性定价 数据分析36计(29)：价格需求弹性和因果推断 简单版：DML.ipynb 数据集：Association Rules and Market Basket Analysis 论文地址： h
自然语言处理(NLP)之使用LSTM进行文本情感分析
IT之一小佬的博客
05-10 1万+
自然语言处理(NLP)之使用LSTM进行文本情感分析 情感分析简介 文本情感分析（Sentiment Analysis）是自然语言处理（NLP）方法中常见的应用，也是一个有趣的基本任务，尤其是以提炼文本情绪内容为目的的分类。它是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。   本文将介绍情感分析中的情感极性（倾向）分析。所谓情感极性分析，指的是对文本进行褒义、贬义、中性的判断。在大多应用场景下，只分为两类。例如对于“喜爱”和“厌恶”这两个词，就属于不同的情感倾向。   本文将详细介绍如何
文本情感分析之情感极性分析
热门推荐
无恋-zx的博客
03-15 3万+
文本情感分析之情感极性分析「NLP」最为目前及其火热的一个领域，已经逐渐渗透进越来越多产业的各项业务中，不知死活的胖子决定对常用的应用功能挨个进行尝试，死活不论……0. 介绍「情感极性分析」是对带有感情色彩的主观性文本进行分析、处理、归纳和推理的过程。按照处理文本的类别不同，可分为基于新闻评论的情感分析和基于产品评论的情感分析。其中，前者多用于舆情监控和信息预测，后者可帮助用户了解某一产品在大众心...
视频对话中的对象状态跟踪和关系推理的成本:一种时空中的视频对话框架
+v：mala2255获取更多论文关于生活在时空Hoang-Anh Pham1，Thao Minh Le1，Vuong Le1，Tu Minh Chong2，Truyen Tran11澳大利亚迪肯大学应用人工智能研究所2越南邮电技术学院1{phamhoan，thao.le，vuong.le，truyen....
基于情感胶囊的会话情感识别的多模态信息提取模型Emo-Caps
+v：mala2277获取更多论文基于情感胶囊的会话情感识别李在京1，唐峰晓1 *，赵明1 *，朱玉森21中南大学计算机科学与工程学院，长沙，中国2湖南大学数学学院，长沙，中国{lizaijing，tangfengxiao，meanzhao}@csu.edu....
"两阶段训练提升跨语言机器阅读理解性能
+v：mala2255获取更多论文从好到好：跨语言机器阅读理解的两阶段训练陈诺1*，寿林军2，龚敏2，裴健3，姜大新2†1ADSPLAB，北京大学欧洲工程学院，深圳，中国2NLP Group，Microsoft STCA3西蒙弗雷泽大学计算科学学院...
【NLP】第 4 章 ：Hugging Face
最新发布
sikh_0529的博客
02-09 2416
如果您对 2018 年以来机器学习和人工智能领域取得的进步略有了解，您几乎肯定已经意识到自然语言处理 领域取得的巨大进步（也称为自然语言处理）。这一领域的大部分进展可归功于大型语言模型 ，也称为 LLM。这些 LLM 背后的架构是转换器的编码器-解码器，我们在第2章中讨论过。Transformer 的成功来自架构并行处理输入数据的能力，以及通过注意力机制更好地理解上下文。我们已经在前面的章节中提到了 Vaswani 的“Attention Is All You Need”论文。
浅谈NLP 文本分类/情感分析 任务中的文本预处理工作
qq_43678628的博客
10-21 1271
文章目录浅谈NLP 文本分类/情感分析 任务中的文本预处理工作前言NLP相关的文本预处理 浅谈NLP 文本分类/情感分析 任务中的文本预处理工作 前言 之所以心血来潮想写这篇博客，是因为最近在关注NLP文本分类这类任务中的文本预处理工作，想总结一下自己的所学所想，老规矩，本博文记载仅供备忘与参考，不具备学术价值，本文默认使用python3编程（代码能力是屎山级别的，请谅解），默认文本为英文，代码主要使用Pytorch（博主老笨蛋了，之前一直执迷不悟用Keras，现在刚刚开始用torch，怎么说呢，挺香的 X
【NLP】情绪分析与酒店评论
sikh_0529的博客
09-20 1万+
例如，如果情绪认为负面评论的情绪为 1（非常正面的情绪）和正面的评论情绪为 1，但评论者给酒店的分数可能最低，那么评论文本与分数不匹配，或者情绪分析器无法正确识别情绪。您应该期望某些情绪得分是完全错误的，这通常是可以解释的，例如评论可能非常讽刺“我当然喜欢睡在没有暖气的房间里”，而情绪分析器认为这是积极情绪，不幸的是，此列中子部分的顺序和数量并不总是相同的。您已经浏览了数据，过滤掉了您不需要的内容，将标签转换为有用的内容，计算了您自己的平均值，添加了一些情绪列，并希望学习了一些有关处理自然文本的有趣知识。
Elasticsearch：如何部署 NLP：情绪分析示例
Elastic 中国社区官方博客
05-24 1671
我们将通过一个示例使用情绪分析 NLP 模型来评估评论（文本）字段是否包含正面或负面情绪。使用公开可用的模型，我们将向你展示如何将该模型部署到 Elasticsearch，并在摄取管道中使用该模型将客户评论分类为正面或负面。 情感分析是一种二元分类，其中字段被预测为一个值或另一个值。该预测的概率分数通常介于 0 和 1 之间，分数接近 1 表示预测更自信。这种类型的 NLP 分析可以有效地应用于许多数据集，例如产品评论或客户反馈。
浅谈智能搜索和对话式OS
feng98ren的专栏
01-26 4015
转载：https://www.jianshu.com/p/3a9f49834c4a?utm_campaign=maleskine&utm_content=note&utm_medium=seo_notes&utm_source=recommendation浅谈智能搜索和对话式OS前面的文章主要从理论的角度介绍了自然语言人机对话系统所可能涉及到的多个领域的经典模型和基础知识。...
工程师&程序员的自我修养 Episode.4 基于百度飞桨PaddlePaddle框架的女朋友情绪分析&防被打消息推荐深度学习系统
weixin_43833550的博客
03-17 1662
具体为什么想到这个题目呢。。。大概是我也想不出别的什么有趣的话题或者项目的工作了吧。 有一天，柏拉图问老师苏格拉底什么是爱情？老师就让他到理论麦田里去，摘一棵全麦田里最大最金黄的麦穗来，期间只能摘一次，并且只可向前走，不能回头。柏拉图于是按照老师说的去做了。结果他两手空空走出了田地，老师问他为什么摘不到。他说：“因为期间只能摘一次，又不能走回头路，期间即使见到最大最金黄的，因为不知前面是否有更好的，所以没有摘；走到前面时，又发觉总不及之前见到的好，原来最大最金黄的麦穗早错过了；于是我什么也没有摘。”老师说
nlp 中文文本纠错_NLP中文文本分类任务的笔记（四）
weixin_30942339的博客
12-30 349
这篇主要是为了记录如何进行模型更新和模型评估。模型更新loss functioncross-entropy: 针对多分类(二分类为例) focal-loss: 针对数据不均衡的方式，可以采用（二分类为例） 2. optimizer:gradient descend: Adam: 模型评估我们先要知道几个概念：True positive (TP): 真实标签和预测标签都为正样本。False posi...
python实现文本情感分析_用python实现简单的文本情感分析
weixin_39594296的博客
11-28 325
情感分析就是分析一句话说得是很主观还是客观描述，分析这句话表达的是积极的情绪还是消极的情绪。原理比如这么一句话：“这手机的画面极好，操作也比较流畅。不过拍照真的太烂了！系统也不好。”① 情感词要分析一句话是积极的还是消极的，最简单最基础的方法就是找出句子里面的情感词，积极的情感词比如：赞，好，顺手，华丽等，消极情感词比如：差，烂，坏，坑爹等。出现一个积极词就+1，出现一个消极词就-1。里面就有“好...
『NLP经典项目集』03：利用情感分析选择年夜饭
qq_15821487的博客
05-23 261
快来选一顿好吃的年夜饭：看看如何自定义数据集，实现文本分类中的情感分析任务 情感分析是自然语言处理领域一个老生常谈的任务。句子情感分析目的是为了判别说者的情感倾向，比如在某些话题上给出的的态度明确的观点，或者反映的情绪状态等。情感分析有着广泛应用，比如电商评论分析、舆情分析等。 环境介绍 PaddlePaddle框架，AI Studio平台已经默认安装最新版2.0。 PaddleNLP，深度兼容框架2.0，是飞桨框架2.0在NLP领域的最佳实践。 这里使用的是beta版本，马上也会发布rc版哦。AI
Tensorflow 笔记 Ⅺ——NLP 实现电影评论情感分析
DeepHao'Blog
05-07 5211
特别说明 •此次博客仅使用 TensorFlow 2.x 进行，但在使用 TensorFlow 2.x 的同时使用了两种方式，一种是利用 TensorFlow 2.x 高阶 API Keras 自动读取数据集，一种是下载原始数据集进行数据提取，其中处理原始数据集的方式就适用于TensorFlow1.x，两者没有本质的区别 •本次未适用 TensorFlow 的低阶 API，笔者水平有限，现在还未涉...
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