Feb, 2022

对话系统中意图、情感和外部世界建模

PDF
TL;DR本文提出了一种名为 RAIN 的模型，由意图关系模块和情感关系模块组成，以共同建模意图和情感之间的互动关系，并显式集成历史意图信息，实验结果表明，我们的模型可以充分利用个体之间的意图、情感和行动，相较于 BERT 式的基础线实现了显著的改进，定性分析验证了意图和情感之间互动关系的重要性。
发现论文，激发创造
  • CogIntAc: 从认知角度建模互动过程中意图、情绪和行动之间的关系

    本文提出了一个新的认知框架，探讨了人际互动的关系，以意图、情感和行动来分析并建立起互动中的关系，通过行动确定互动过程从而预测结果，并在此基础上构建了行为绑架、情感预测和行动生成三种任务以及相应的基线模型来验证认知框架的有效性。

    May, 2022

  • 面向神经网络会话模型的有意义注意力

    本文提出了一种基于神经网络的方法，模拟了关注和意图过程，并通过三个循环网络实现。该模型在无标注数据的情况下进行端到端训练并能生成自然的响应。

    Oct, 2015

  • 基于深度学习的情感导向行为模型

    基于情绪行为模型的人工智能代理在预测和表达情绪、理解人类社交参数方面取得了重要进展。

    Oct, 2023

  • EmotionX-IDEA: 情感 BERT—— 一种面向对话的情感模型

    本文研究了预训练语言模型 BERT 在情感识别中的能力。通过 BERT 的框架和两句话的结构，我们将其应用于连续对话情感预测任务中，并依赖于句子级上下文感知理解。实验表明，通过将连续对话映射到因果话语对中，该模型能更好地捕获回复话语的情感。该方法在 Friends 和 EmotionPush 的测试数据集中取得了 0.815 和 0.885 微型 F1 分数。

    Aug, 2019

  • COMMA: 基于语言的人类活动中动机、情感和行为之间的关系建模

    该研究提出了一个名为 COMMA 的认知人类活动框架，对于基于语言的人类活动中的动机、情绪和动作进行了建模，通过定义情绪理解、动机理解和有条件的动作生成三个自然语言处理任务，并通过自动从 Story Commonsense 中提取样本构建了具有挑战性的数据集 Hail，实验结果证明了建模关系的有效性，与现有方法相比，使用 COMMA 激发的模型更能揭示动机、情绪和行动之间的本质关系。

    Sep, 2022

  • 情感识别和生成对话的统一框架

    本文提出了一种多任务框架，该框架联合识别对话的情感并根据所识别的情感生成响应，我们利用基于 BERT 的网络来创建一种共情系统，并使用混合目标函数来训练端到端网络，包括分类和生成损失函数，实验结果表明，我们的多任务框架优于现有的最先进模型。

    May, 2022

  • 基于关系时间图神经网络和辅助跨模态交互的对话理解

    通过模态特异性的方式，CORECT 有效地捕捉了会话级的跨模态交互和话语级的时间依赖性，以提高情感识别的效果。

    Nov, 2023

  • 面向个性化情感交互的多模态社交机器人

    本研究采用强化学习方法建立了一个多模态情感交互框架，利用人类用户的情感状态作为交互的奖励因素，优化了机器人的行为策略，并针对用户进行个性化情感交互来增强社交场景下机器人的自然性和吸引力。

    Oct, 2021

  • InteRACT: 基于机器人行动的人类意图预测的 Transformer 模型

    在协作人机操纵中，机器人必须预测人类意图并相应地调整动作以顺利执行任务。本研究通过利用人机动作之间的对应关系，提出了一种新颖的架构 InteRACT，通过在大规模人机数据集上预训练条件意图预测模型并在小规模人机数据集上微调，评估了一组真实世界的协作人机操纵任务，并证明了我们的条件模型优于各种边缘基线模型。还引入了一些新技术来远程操作一个具有七自由度的机器人臂并收集了各种各样的人机协作操纵数据，该数据已开源。

    Nov, 2023

  • 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