May, 2022

使用有礼貌情感对话行为对日常对话数据进行对话分析

PDF
TL;DR本文介绍了关于礼貌情感对话行为关联的发现，证实了愤怒和厌恶等情感类别的话语更有可能是不礼貌的；而快乐和悲伤则更有礼貌。同时，我们也发现 Inform 和 Commissive 比 Question 和 Directive 包含更多有礼貌的话语。文章最后总结了这些发现的未来工作，以扩展使用礼貌教学社交行为的学习。
socio-linguistic cuespolitenessemotional dialogue act associationsutterancessocial behaviours
发现论文，激发创造
  • 对话中的意图与面子

    该研究分析了三个计算系统，通过对意图和礼貌进行分类，重点研究前者如何影响后者。研究发现对话行为可以提升对面子行为的检测性能，指出面子和意图之间存在密切的关系。

    Jun, 2024

  • 计算礼貌的方法以及其在社交因素中的应用

    本文提出了一种识别礼貌语言方面的计算框架，使用新的语料库对礼貌的不同方面进行评估，发现礼貌标记符与上下文之间的新互动，然后构建了一个具有领域无关词汇和句法特征的分类器，并通过对维基百科和 Stack Exchange 上的数据进行实验，研究了礼貌与社会权力之间的关系，并对性别和社区的反应进行了初步分析。

    Jun, 2013

  • 对话行为建模用于自动标记与识别交谈语音

    本文提出了一种基于统计学方法的对话行为建模方法，通过对词汇、语音、对话结构等多个方面的考虑对话行为进行检测和预测，并应用于语音识别和对话行为分类，实验表明取得了良好的对话行为分类精度和一定的语音识别效果提升。

    Jun, 2000

  • 面向情感感知的谈判对话代理

    探索预测谈判中两个重要的主观目标 - 结果满意度和合作方感知的情感属性，分析情感属性在预测中的作用，并研究了三个情感维度：表情符号、词汇和语境，以设计适应性的谈判代理人。

    Jul, 2021

  • TyDiP：面向九种不同语言礼貌分类的数据集

    此研究对九种语言中的礼貌现象进行了研究，并创建了 TyDiP 数据集，其中包含每种语言 500 个例子的三分类礼貌注释，该数据集可用于评估多语言模型在识别礼貌水平方面的表现，以及英语礼貌策略词汇在九种语言中的映射和形式与礼貌之间的关系。

    Nov, 2022

  • 无需平行数据的有礼貌对话生成

    本文提出了三个用弱监督模型生成有礼貌或粗鲁对话响应的模型，分别是混合模型（Fusion）、标签微调模型（LFT）和强化学习模型（Polite-RL），并且这三个模型可以在没有平行数据的情况下执行。同时，本研究还比较了两种基于检索的有礼貌的对话模型，通过人工评估，结果表明 LFT 和 Polite-RL 模型可以显著地产生更有礼貌的响应，同时又不会牺牲对话质量。

    May, 2018

  • 对话摘要中的情感细微差别评估

    自动对话摘要是一个已经建立良好的任务，旨在从人类对话中识别出最重要的内容，创建一个简短的文本摘要。尽管该领域最近取得了进展，但我们发现大部分研究都集中在总结事实信息上，忽略了能够传达有用信息以分析、监控或支持人类互动的情感内容。本文提出并评估了一组度量标准 $PEmo$，以量化对话摘要中保留的情感程度。结果表明，现有的摘要模型在摘要中并不能很好地保留情感内容。我们还展示了通过将训练集仅限于情感对话，生成的摘要可以更好地保留情感内容，同时保持最突出的事实信息。

    Jul, 2023

  • 社会导向：对话分析的新特征

    通过机器标注的社交定位标签，我们展示了社交定位标签如何改善对话结果预测任务的性能，特别是在资源匮乏的环境下，并且在英语和中文语言基准测试中展示了其对话结果预测任务的实用性。

    Feb, 2024

  • 一项关于语音情感识别的跨语料库研究

    研究了通过跨语料库和多领域训练，分类自然和表演情感的影响；结论表明，从人工情感数据集中学习信息并将其应用于多领域的自然情感识别中是可行和有效的。

    Jul, 2022

  • 情感线：多方对话情感语料库

    本文介绍了 EmotionLines 数据集，这是第一个只基于文本内容在每个对话中为所有话语进行情感标注的数据集，共包括来自 Friends 电视剧和私人 Facebook 信使对话的 2000 个对话中的 29245 种话语，并为 EmotionLines 中的情感检测模型提供了多个强基线。

    Feb, 2018