《论文阅读》基于情感原因感知的共情对话生成模型 2023 AAAI

最新推荐文章于 2024-11-12 19:08:30 发布
最新推荐文章于 2024-11-12 19:08:30 发布
阅读量281 收藏
点赞数
分类专栏： 情感对话 文章标签： 论文阅读 共情回复 回复生成 情绪原因 情绪
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/137862542
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
本文介绍了2023年AAAI会议上发表的《The Empathic Dialogue Generation Model Based on Emotion Cause Perception》论文，该模型由情绪推理器和回复生成器组成，旨在通过情绪原因识别提升共情回复生成的质量。情绪推理器采用双编码器结构，而回复生成器结合情绪注意力机制，以增强对话的情感和语义理解。实验结果表明模型的有效性。
摘要由CSDN通过智能技术生成

《论文阅读》基于情感原因感知的共情对话生成模型 2023 AAAI

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《The Empathic Dialogue Generation Model Based on Emotion Cause Perception》

在这里插入图片描述

出版：AAAI

时间：2023

类型：共情回复生成

特点：共情；回复生成；情绪对话生成；情绪原因检测

作者：Yun Su

第一作者机构：Northwest Normal University of China , Lanzhou ,730070, China

简介

情绪原因是导致说话者情绪发生转变的触发器，有效识别情绪可以提高回复生成的质量，本文作者提出的框架包含两个模块：

  1. 情绪推理器
  2. 回复生成器

模型构架

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》常识感知的提示用于可控的同情对话生成 2023
MyHeartWillGoOn
09-11 718
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《Commonsense-Aware Prompting for Controllable Empathetic Dialogue Generation》出版：AAAI时间：2023.2类型：共情回复生成关键词：提示映射；可控回复；ESConv；策略预测；FUDGE。
《论文阅读》学习了解自己：一个粗略到精细的个性化对话生成的人物感知训练框架 AAAI 2023
MyHeartWillGoOn
05-27 254
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《Learning to Know Myself: A Coarse-to-Fine Persona-Aware Training Framework for Personalized Dialogue Generation》出版：AAAI时间：2023类型：个性化对话生成特点：粗粒度；细粒度；个性化；多样性；回复生成作者：Yunpeng Li。
AAAI'22 | 基于情感分析的开放域对话系统
zenRRan的博客
04-01 1951
每天给你送来NLP技术干货！来自：复旦DISC作者：赵刚引言基于情感分析的对话系统，旨在捕获用户的情感，并产生共情的回应。本次分享将介绍三篇来自 AAAI 2022 的相关论文，第一篇文章和第三篇文章均提出了共情对话生成任务的新模型，前者专注于为模型引入情感相关的知识概念，后者专注于推理用户当前状态。第二篇文章介绍了一个适用于对话情感分析任务的混合课程学习策略。仔细研读三...
论文阅读总结:AAAI 2022 Knowledge Bridging for Empathetic Dialogue Generation
cyzz523的博客
07-03 324
外部知识的缺乏使得共情对话系统难以从有限的对话历史中感知隐含的情绪和学习情绪交互。为了解决上述问题，作者提出利用外部知识，包括常识知识和情感词汇知识，在移情对话生成中明确地理解和表达情感。我们首先通过与外部知识的共同交互来丰富对话历史，并构建一个情感情境图。然后，作者从知识丰富的情感上下文图中学习情感上下文表示，提取情感信号，这是预测响应中表达的情感的先决条件。知识，增强移情对话的生成。
论文浅尝 - AAAI2020 | 通过知识库问答改善知识感知对话生成
开放知识图谱
09-13 565
论文笔记整理：胡楠，东南大学博士。来源：AAAI 2020动机现在的将外部知识整合到对话系统中的研究仍然存在一定缺陷。首先，先前的方法难以处理某些语句的主语和关系，比如当语句中的相关实体...
AAAI 2020论文分享 | 基于知识图谱进行对话目标规划的开放域对话生成技术
qq_40247584的博客
04-02 2502
本文对百度NLP入选AAAI 2020的对话生成领域入选论文《Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generation》进行详细解读，该论文针对如何让机器生成有内容并且主题连贯的多轮开放域对话进行了讨论。 一、研究动机 让机器生成有内容并且主题连贯的多轮开放域对话，是人工智能公认的关键任务之一。针对...
抽取+生成：一种基于背景知识的参考感知网络对话模型
Paper weekly
03-28 1134
「论文访谈间」是由 PaperWeekly 和中国中文信息学会社会媒体处理专委会（SMP）联合发起的论文报道栏目，旨在让国内优质论文得到更多关注和认可。...
《论文阅读》同情对话生成的知识桥梁 AAAI 2021
MyHeartWillGoOn
10-10 630
读论文有困惑，就来学习不迷路专栏！今天为大家带来的是《Knowledge Bridging for Empathetic Dialogue Generation》出版：AAAI时间：2021年类型：共情回复生成关键词：外部知识辅助（ConceptNet和NRC_VAD），构建知识图谱，预测情绪信号作者：Qintong Li, Piji Li, Zhaochun Ren。
论文浅尝 - AAAI2020 | 利用自然语言推断生成人称一致的对话
开放知识图谱
12-27 405
链接： https://arxiv.org/pdf/1911.05889.pdf动机虽然最近几年通过利用社交网络上大量人人交互数据训练开放域对话模型取得了很大的成功，但是这些数据驱动的对...
论文浅尝 - AAAI2020 | 基于知识图谱进行对话目标规划的开放域对话生成技术
开放知识图谱
07-01 1882
论文笔记整理：张傲，天津大学硕士。Knowledge Graph Grounded Goal Planning for Open-Domain Conversation Generati...
点云论文阅读-1-pointnet++
weixin_43899239的博客
11-12 258
pointnet局限性：不能获取局部结构信息作者提出pointnet++如何确定球的尺寸，类似于如何确定CNN的卷积核尺寸。利用了多尺度邻域以同时实现鲁棒性和细节获取。
【论文笔记】Wings: Learning Multimodal LLMs without Text-only Forgetting
小嗷犬的博客
11-09 1051
多模态大型语言模型（MLLMs）以训练好的LLM为基础，首先将图像与文本对齐，然后对多模态混合输入进行微调。然而，MLLM在灾难性地忘记了仅包含文本的指令，这些指令不包括图像，可以在初始LLM中解决。在本文中，我们提出了WINGS，这是一种新型的MLLM，在纯文本对话和多模态理解方面都表现出色。分析MLLM在多模态指令中的注意力发现，纯文本遗忘与从预图像文本到后图像文本的注意力转移有关。据此，我们构建了额外的模块，作为增强学习器来补偿注意力转移。
【论文阅读】医学SAM适配器：适应医学图像分割的任意分割模型
川川自溢的博客
11-11 862
【论文阅读】医学SAM适配器：适应医学图像分割的任意分割模型
论文阅读《机器人状态估计中的李群》
YMWM_的博客
11-09 905
李群是一个古老的数学抽象对象，可以追溯到19世纪，当时数学家 Sophus Lie奠定了连续变换群理论的基础。多年后，它的影响已经蔓延到科学和技术的各个领域。在机器人领域，我们最近正在经历一个重要的趋势，至少在估计领域，特别是在导航的运动估计方面。然而，对于绝大多数机器人专家来说，李群是高度抽象的结构，因此难以理解和使用。在机器人估计技术中，通常不需要充分利用李群理论的能力，因此需要努力选择合适的阅读材料。在本文中，我们将通过李理论的最基本原理，目的是传达清晰和有用的想法，并留下一个重要的李理论语料库。
论文阅读分享：基于弱监督的病理图像腺体分割
tjl521314_21的博客
11-11 218
● 弱监督学习可以在较少标注的情况下，生成像素级分割，适用于处理复杂的病理图像分割任务。因此，弱监督学习成为一种有效的替代方案，通过图像级标签实现分割，减少标注成本。● 伪掩码去噪与分割优化：为应对病理图像结构不规则、对比度低等问题，提出动态加权损失，以过滤伪掩码中的噪音，提高分割精度。● 随着深度学习在医学图像分割中的广泛应用，全监督学习虽然取得了优异表现，但由于需要大量像素级标注，应用受到限制。● 本研究进一步优化了伪掩码生成，通过重构模块增强图像的局部激活，以提高分割质量。弱监督学习的优势与方法。
【论文阅读】小样本学习相关研究
Glass_Gun的博客
11-11 644
不可靠的经验风险最小化器是FSL的核心问题。基于先验知识如何处理核心问题，可以将FSL分为三个角度：数据使用先验知识来增强监督经验，模型通过先验知识约束假设空间，算法使用先验知识改变对假设空间中最佳假设参数的搜索。这篇小样本学习综述论文从Data、Model、Algorithm三个方面介绍了现有的小样本学习领域内的方法，以数学的形式具体解释了小样本学习中的困难点。
论文阅读《BEVFormer v2》
最新发布
YMWM_的博客
11-12 296
我们提出了一种具有透视监督的新型鸟瞰图（BEV）检测器，其收敛速度更快并且更适合现代图像主干。现有的最先进的BEV检测器通常与某些深度预训练主干网络（如VoVNet）相关联，从而阻碍了蓬勃发展的图像主干网络和BEV检测器之间的协同作用。为了解决这一限制，我们优先通过引入透视图监督来简化BEV检测器的优化。为此，我们提出了一个两阶段BEV检测器，其中来自透视头的提议被输入到鸟瞰头中进行最终预测。为了评估我们模型的有效性，我们进行了广泛的消融研究，重点关注监督形式和所提出的检测器的通用性。
[论文阅读]Enhanced Membership Inference Attacks against Machine Learning Models
m0_52911108的博客
11-08 1023
在本文中，我们提出了一个全面的假设检验框架，该框架不仅使我们能够以一致的方式正式表达之前的工作，而且还设计了新的成员推理攻击，该攻击使用参考模型来实现任何（假阳性率）误差的显着更高的功效（真阳性率）。更重要的是，我们解释了为什么不同的攻击执行方式不同。我们提供了一个不可区分游戏的模板，并提供了游戏不同实例的攻击成功率的解释。我们讨论了问题制定过程中出现的攻击者的各种不确定性，并展示了我们的方法如何尝试将攻击不确定性降至最低，直到训练集中是否存在数据点的一点秘密。
论文阅读-Event-based Visible and Infrared Fusion via Multi-task Collaboration
luralying的博客
11-09 1129
假设有一个连续的事件流εε，它的时间范围在区间t0t1[t_0,t_1]t0​t1​内，在这段事件流中存在一组运动模糊帧段IirIi∣i12MIir​Ii​∣i12...M。每个IiI_iIi​都有一个曝光时间窗口titiδ∈t0t1ti​ti​δ∈t0​t1​,其中δ\deltaδ是红外相机的曝光时间长度。EVIFEVIFEVIF的目标是为每个红外帧Ii。
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