ACLMay, 2020

CDL: 情感可控回复生成的课程双重学习

PDF
TL;DR本文提出了一种名为 Curriculum Dual Learning (CDL) 的新型框架，扩展了情感可控反应生成任务，引入情感查询，设计双重任务，利用情感和内容两个奖励提高关联性，采用课程学习逐步生成高质量响应，通过实验证明了 CDL 在一致性、多样性和情感因素方面显著优于基线。
emotion-controllable response generationdual learningemotional queriescurriculum learningcoherence
发现论文，激发创造
  • 基于解缠技术的内容 - 情绪二元建模，用于共情式对话

    本论文旨在为共情性回应生成设计一种能够通过内容和情感视角对话历史进行编码的框架，从而生成包含内容和情感信息的回应，实验结果表明，该框架在自动和人类评估指标上均取得了最优结果，同时比先前的方法生成了更多的共情回应。

    Sep, 2022

  • 面向情感感知的对话响应生成的生成与分类多任务学习

    本文提出了一种基于 BART 的神经响应生成模型，通过多任务学习生成和分类，并注重情感，在对生成响应的同时识别情感。自动评估和众包手动评估显示，该模型使生成的响应更富有情感意识。

    May, 2021

  • 课程学习结合有向无环图进行多模态情感识别

    本文提出了一种多模态对话情感识别的新方法 MultiDAG+CL，该方法利用有向无环图 (DAG) 在统一框架中集成了文本、声学和视觉特征。该模型通过课程学习 (Curriculum Learning) 改善了情感变化和数据不平衡的挑战，逐渐呈现有意义顺序的训练样本来提高模型在处理情感变化和数据不平衡方面的性能，在 IEMOCAP 和 MELD 数据集上的实验结果表明，MultiDAG+CL 模型优于基准模型。

    Feb, 2024

  • 基于强化学习的情感编辑约束对话生成

    本论文提出了一种结合强化学习和情感编辑约束的会话内容生成模型，将回复分成三个从预生成的关键词中获得的子句，并使用情感编辑器进一步优化最终回复，实验表明该模型可以提高回复的流畅度、逻辑相关性和情感相关性。

    Apr, 2019

  • 对话情感识别的混合式课程学习

    本研究提出了一种以情绪识别为中心的混合课程学习框架，其中包括对话级别和话语级别课程。使用情感转移频率对对话进行排序并逐步强化模型对混淆情感的识别能力，我们观察到该模型跨多个 ERC 数据集显著提高了性能，达到了新的最先进水平。

    Dec, 2021

  • 众包标注数据的语音情感识别课程学习

    该研究提出了一种方法，旨在通过针对对情感识别的深度神经网络（DNN）的训练过程进行有针对性的课程设计来最大化其效率。

    May, 2018

  • DAL: 双重对抗学习用于对话生成

    通过引入对抗生成学习，利用查询生成与回复生成二者之间的对偶，提高回复的多样化，通过模仿人类评委来引导系统生成自然回复的新颖框架 Dual Adversarial Learning 在高质量回复的生成方面取得了很好的效果。

    Jun, 2019

  • 情感驱动的对话生成

    本文介绍了一种能够控制情感内容的情感驱动对话系统的方法，通过使用连续的情感表示来模拟词和句子级别的情感，并在推理过程中使用重新排名程序来获取最具情感相关性的响应。

    Apr, 2019

  • 简单模型同样有效：一种基于课程学习策略的文本对话情绪识别网络

    我们提出了一种基于课程学习策略的新型情感识别网络（ERNetCL），它通过结合前期方法的优点以简洁的方式高效地捕捉对话中的时序和空间上下文信息，并利用课程学习的思想逐步优化网络参数。在四个数据集上进行的大量实验表明，我们的方法有效地击败了其他基准模型。

    Aug, 2023

  • 情感关联增强的共情式对话生成

    实现共情是朝向人性化对话系统的关键步骤。本文提出了一种新的情感相关增强的共情对话生成框架，完整地实现了情感相关的学习、利用和监督。实验结果表明我们的模型在共情感知和表达方面具有优势。

    Nov, 2023