《论文阅读》MISC：一个融合COMET的情感支持会话混合策略感知模型 ACL 2022

最新推荐文章于 2024-10-01 22:10:53 发布
最新推荐文章于 2024-10-01 22:10:53 发布
阅读量267 收藏
点赞数
分类专栏： 情感对话 文章标签： 论文阅读 回复生成 对话系统 情感支持 知识
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/138273088
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
这篇论文介绍了MISC模型，针对情绪支持对话，通过细粒度情绪推理和混合策略回复生成，改善了现有方法的不足。模型利用COMET知识增强用户心理状态理解，并通过混合策略学习模块生成策略，缓解用户紧张情绪。实验表明，模型在自动和人工评估中表现出色。
摘要由CSDN通过智能技术生成

《论文阅读》MISC：一个融合COMET的情感支持会话混合策略感知模型 ACL 2022

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《MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation》

在这里插入图片描述

出版：ACL 2022

时间：2022

类型：情绪支持对话

特点：情绪；回复生成；情绪对话生成；策略感知

作者：Quan Tu

第一作者机构：Gaoling School of Artificial Intelligence, Renmin University of China

github：https://github.com/morecry/MISC

简介

开门见山指出当前领域方法存在两个不足：

1）粗粒度的情绪标签ÿ

了解本专栏 订阅专栏 解锁全文
365JHWZGo
关注
专栏目录
订阅专栏
张量投票matlab代码-MiSC:混合策略众包
06-19
张量投票matlab代码MiSC：混合策略众包 ()。...我们的想法是将这两个类别结合在一起，可以形成一个多功能的完整聚合两步循环结构。 工作流程 引文 如果您发现 MiSC 对您的研究有用，请考虑引用： @
论文浅尝 | MISC：融合COMET的混合策略模型进行情感支持对话
开放知识图谱
10-14 990
笔记整理：朱益鹏，东南大学硕士，研究方向为知识图谱问答、自然语言处理。论文引用：Tu, Q. , Li, Y. , Cui, J. , Wang, B. , Wen, J. R. , & Yan, R. . (2022). Misc: a mixed strategy-aware model integrating comet for emotional support conv...
Misc:一个存储有用代码片段的地方
07-05
"Misc:一个存储有用代码片段的地方" 提供了一个集合，包含了一系列JavaScript相关的实用代码片段。这个资源库可能包含了各种JavaScript编程技巧、函数、类、算法以及其他有助于提升开发效率和解决问题的代码。 首先...
2022年川渝网络与信息安全职业技能竞赛-MISC：catfeatherrain
12-10
【标题】2022年川渝网络与信息安全职业技能竞赛-MISC：catfeatherrain 本次竞赛聚焦于网络与信息安全领域，其中"MISC"（Miscellaneous）通常指的是混合类别的安全挑战，涵盖广泛的技术问题，包括但不限于密码学、...
misc:一个操场上要注意的事情
03-21
杂项一个操场上要注意的事情。工具ipmitool建造如何在Ubuntu中制作apt-get install automake libtoolapt-get install libssl-dev# yum install openssl-devel./bootstrap./configuremake如何在Windows中制作使用以下...
misc:杂项文件，或临时文件，直到我创建一个新的存储库
06-01
在本例中，"misc:杂项文件，或临时文件，直到我创建一个新的存储库"，指的是一个包含各种临时或非正式文件的集合，这些文件可能是在创建新的存储库之前的工作过程中的产物。创建新存储库可能是为了更好地组织和管理...
【Anti-UAV410】论文阅读
weixin_45074568的博客
09-25 1179
比较结果见表II。值得注意的是，Anti-UAV 410数据集显示了很大比例的小目标，其中超过一半的目标的尺寸小于50像素，甚至包括一定比例的微小目标（尺寸小于10像素），这些微小目标被其他数据集（如VOT-TIR 2015 [35]、VOT-TIR 2016 [5]、PTB-TIR [26]和LSOTB [6]）遗漏。反无人机数据集[2]是一个多模态数据集，包括318个视频对。该数据集旨在解决不同模式下反无人机跟踪的挑战，例如基于视觉的跟踪器可能表现不佳的低光条件。
论文笔记：Anytime Continual Learning for Open Vocabulary Classification
weixin_47505105的博客
10-01 135
在开放词汇表图像分类中，随着时间的推移，模型需要不断学习新的标签，同时保留对旧标签的记忆。
Frequency-aware Feature Fusion for Dense Image Prediction 论文阅读
weixin_51657614的博客
10-01 98
为了实现这一点，现代分层模型通常利用特征融合，直接添加来自深层的上采样粗特征和来自较低层次的高分辨率特征。在本文中，我们观察到融合特征值在对象内的快速变化，由于高频特征的干扰导致类别内不一致。此外，融合特征中模糊的边界缺乏准确的高频，导致边界位移。ALPF生成器预测空间变化的低通滤波器，以衰减对象内的高频组件，减少上采样期间的类内不一致。偏移量发生器通过重采样将不一致的特征替换为更一致的特征来细化大的不一致特征和细边界，而AHPF发生器增强了下采样过程中丢失的高频详细边界信息。
车辆重识别（2021NIPS在图像合成方面，扩散模型打败了gans网络）论文阅读2024/10/01
vegetabler的博客
10-01 157
向分类器中输入xt，发现与真实类别匹配概率小，计算对xt的梯度，让xt以一定的包含梯度的步幅进行移动，使得匹配概率增加。其实这里有点像之前卷积神经网络中参数w更新的原理，w也是在梯度方向上移动，以此来使得loss值最小。但是这两种算法不是简单的对xt进行处理，①是对预测的均值μ进行处理，让均值μ在梯度方向上移动。另外，s可以叫做学习率，主要是控制在梯度方向上移动的步幅，和之前卷积神经网络中的w更新公式中的学习率差不多。2，那么具体来说，如何根据当前时刻xt的梯度，来调整xt？BigGAN残差块是什么意思？
9、论文阅读：无监督的感知驱动深水下图像增强
DQHNB的博客
09-27 820
当前的 UIE 算法主要通过最小化增强图像和地面真实图像之间的重建损失，在合成数据集或具有伪标签的数据集上训练深度神经网络（DNN）。但是，合成和真实的水下图像有差距，在合成图像上训练的网络在真实环境下不一定有好的表现。并且使用L1和L2损失函数，往往忽视人类感知的重要性，（L1和L2损失只关注像素级别的差异，没有考虑人类视觉系统的感知特性。人类的眼睛对边缘和纹理的变化敏感，但是对颜色变化相对不敏感。为此，可以使用感知损失或者风格迁移损失 ​），导致增强的图片不尽人意。因此，本论文提出了一个。
论文阅读《Co-clustering for Federated Recommender System》
wzj1212123的博客
09-26 1261
第二个创新点凑数用的，典中典利用服务器的聚类信息给客户端作对比学习，重点在于提出以往聚类的不足以及新型聚类方法。
论文阅读：LM-Cocktail: Resilient Tuning of Language Models via Model Merging
comli_cn的博客
09-27 295
预训练的语言模型不断进行微调，以更好地支持下游应用。然而，此操作可能会导致目标领域之外的通用任务的性能显著下降。为了克服这个问题，我们提出了LM Cocktail，它使微调后的模型在总体上保持弹性。我们的方法以模型合并（Model Merging）的形式进行，其中微调的语言模型通过加权平均与预训练的基础模型或其他领域的对等模型合并。尽管简单，LM Cocktail却出奇地有效：由此产生的模型在整个通用任务领域内拥有强大的性能，同时在其目标领域保持卓越的能力。
【论文阅读】Diffusion Policy: Visuomotor Policy Learning via Action Diffusion
qq_33673253的博客
09-26 1051
本文介绍了扩散策略，这是一种通过将机器人的视觉运动policy表示为条件去噪扩散过程来生成机器人行为的新方法。我们对来自 4 个不同的机器人操作基准的 15 个不同任务的扩散策略进行了基准测试，发现它始终优于现有的 state-of-the-art 机器人学习方法，平均提高了 46.9%。扩散策略学习动作分布评分函数的梯度，并通过一系列随机朗之万动力学步骤在推理过程中针对该梯度场迭代优化。
车辆重识别（利用扩散模型合成有效数据进行行人再识别预训练）论文阅读2024/9/27
vegetabler的博客
09-28 408
在本文中，我们提出了一种新的范式Diffusion - ReID，在不需要任何数据收集和标注成本的情况下，基于已知的身份来有效地增强和生成多样化的图像。得益于我们提出的方法，我们首先创建了一个新的大规模行人重识别数据集Diff - Person，该数据集由来自5，183个身份的超过777K张图片组成。具体来说，LPE模块将特定的ID图像序列和类别级别的提示P作为输入，通过预训练的图像描述模型生成具有细粒度局部细节和全局上下文信息的增强提示PE。3 )特定的数据源限制了数据的数量和多样性。
论文阅读 | HiDDeN网络架构
2301_81845359的博客
09-27 1115
直接使用神经网络生成含秘载体，是使用深度学习在图像水印及信息隐藏上的里程碑。
【论文阅读】基于真实数据感知的模型功能窃取攻击
最新发布
Glass_Gun的博客
10-01 156
模型功能窃取攻击是人工智能安全领域的核心问题之一，目的是利用有限的与目标模型有关的信息训练出性能接近的克隆模型，从而实现模型的功能窃取。针对此类问题，一类经典的工作是基于生成模型的方法，这类方法利用生成器生成的图像作为查询数据，在同一查询数据下对两个模型预测结果的一致性进行约束，从而进行模型学习。然而此类方法生成器生成的数据常常是人眼不可辨识的图像，不含有任何语义信息，导致目标模型的输出缺乏有效指导性。针对上述问题，提出一种新的模型窃取攻击方法，实现对图像分类器的有效功能窃取。
车辆重识别（注意力 U-Net：学习在哪些区域寻找胰腺）论文阅读2024/10/01
vegetabler的博客
10-01 96
对于一张特征图来说，对于这张图中的每一个像素向量（例如a），计算该向量与所有像素向量的相似度，对这些相似度进行激活函数处理得到注意力得分。对注意力得分进行归一化得到a向量对所有像素向量的注意力权重，然后a向量对每一个像素向量的注意力权重与对应的值向量（有可能是对应的像素向量）相乘并求和，得到最终的更新特征。
GS-SLAM论文阅读笔记--GEVO
qq_45795134的博客
09-26 1083
虽然高斯飞溅(GS)允许高保真重建3D场景，但目前基于高斯飞溅的SLAM记忆效率不高，因为大量过去的图像被存储以重新训练高斯函数以减少灾难性遗忘。这些图像通常需要比建图本身高两个数量级的内存，因此占据了总内存使用量。为了减轻遗忘，基于神经辐射场和高斯飞溅(GS)的方法都在当前滑动窗口之外存储了大量的过去图像，以重复重新训练地图。不幸的是，用于存储这些图像的开销内存占总内存的大部分，并且比当前滑动窗口和地图本身都要高几个数量级。
SP接入MISC与SPOA详解：流程、接口与系统结构
"该文档详细介绍了SP（Service Provider，服务提供商）如何接入MISC（Mobile Internet Service Control，移动互联网业务控制系统）和SPOA（Service Provider Operation Agent，服务提供商操作代理），并提供了相关的...
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