Jul, 2022

面向情感感知的对话代理

PDF
TL;DR本文提出了一种以情感为中心的端到端会话代理，基于两种模型，回复情感预测模型和文本生成模型，并且利用情感分类模型来评估代理的表达情感。通过指导预定义一组句子的文本生成模型，有效提升了生成文本的质量和表达情感的准确度，通过人工及自动化评估显示了显著的改进。
end-to-end sentiment-aware conversational agentreply sentiment prediction modeltext generation modelsentiment classification modelevaluating
发现论文，激发创造
  • 通过预测用户情感生成共情回应

    本研究提出了一种名为 Sentiment Look-ahead 的情感预测模型，结合基于强化学习的奖励函数，以提高生成模型对用户情感的理解和回应质量。实验结果表明，该模型相较于其他竞争模型，能够显著提高输出语句的情感态度、相关性和流畅性。

    Jun, 2019

  • 利用用户情感进行自动对话评估

    本文提出使用自动提取的信息作为衡量已有机器人回答质量的替代方法，从而避免了对人工标注数据的依赖，实现对弱监督数据的训练，并添加了对口语和书面语的支持。

    Mar, 2022

  • 情感自适应端到端对话系统

    本研究提出，在末端到末端的对话系统学习框架中包含通过多模式信息获取的用户情感信息，以使系统更具用户适应性和效果。结果，这项工作是在自适应末端到末端对话系统训练框架中首次尝试将多模式用户信息纳入其中并达到最先进的表现。

    Apr, 2018

  • 自动对话评估的用户响应和情感预测

    本文提出了三种方法，利用情感分析对开放域对话进行自动评估，并在书面和口头对话数据集上胜过现有的自动评估指标。

    Nov, 2021

  • 基于情感和语义的文本对话情感检测方法

    本篇论文提出利用基于 LSTM 的深度学习模型来检测文本对话中的情绪，讨论了利用语义和情感嵌入的半自动化技术来收集训练数据以及结合方案，该方法在真实场景下的表现优于传统机器学习基准线和其他现成的深度学习模型。

    Jul, 2017

  • 联系中心电话对话中的实体级情感分析

    本文提出了一种基于 DistilBERT 模型完全的方法和一种卷积神经网络的方法，通过分析英语电话交谈转录本来进行实体级情感分析，以期提供商业见解。

    Oct, 2022

  • 情感感知聊天机器：为类人情感互动生成自动情感响应

    本文通过提出统一的端到端神经架构，实现对发帖的语义和情感的编码，以生成智能回复和恰当表达情感，实验证明在内容连贯性和情感适当性方面优于现有方法。

    Jun, 2021

  • 面向目标的情感感知聊天机器

    本研究针对对话系统在生成人类化交互时响应的语义级别和情感级别一致性不足的问题，提出了一种统一的端到端神经架构，它能够同时编码一个帖子的语义和情感信息，并利用目标信息生成更智能、情感表达适当的响应。实验表明，这种方法在内容连贯性和情感恰当性方面优于现有技术。

    Nov, 2020

  • 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

  • 思前想后：一个类似人类的两阶段对话代理，用于情感响应生成

    本文提出了一种基于神经网络的两阶段对话模型，通过从语义和情感角度对话生成，不需要大量情感标注数据。实验表明，该模型在情感生成方面优于其他比较模型，并在语义性能上保持一致性。

    Jan, 2023