Enhancing Personality Recognition in Dialogue by Data Augmentation and Heterogeneous Conversational Graph Networks

要約

性格認識は、ユーザーに適応した反応を調整するロボットの能力を強化し、人間とロボットの豊かな相互作用を促進するのに役立ちます。
このタスクにおける課題の 1 つは、既存の対話コーパス内の話者の数が限られていることです。これが、話者に依存しない堅牢な性格認識モデルの開発を妨げています。
さらに、対話者間の相互依存性と対話における話者の内部依存性の両方を正確にモデル化することは、依然として重要な問題です。
最初の課題に対処するために、話者データ拡張のための性格特性補間を導入します。
2 つ目では、文脈上の影響と固有の性格特性の両方を独立して捕捉するための異種会話グラフ ネットワークを提案します。
RealPersonalChat コーパスの評価では、既存のベースラインに比べて私たちのメソッドが大幅に改善されていることが実証されています。

要約(オリジナル)

Personality recognition is useful for enhancing robots’ ability to tailor user-adaptive responses, thus fostering rich human-robot interactions. One of the challenges in this task is a limited number of speakers in existing dialogue corpora, which hampers the development of robust, speaker-independent personality recognition models. Additionally, accurately modeling both the interdependencies among interlocutors and the intra-dependencies within the speaker in dialogues remains a significant issue. To address the first challenge, we introduce personality trait interpolation for speaker data augmentation. For the second, we propose heterogeneous conversational graph networks to independently capture both contextual influences and inherent personality traits. Evaluations on the RealPersonaChat corpus demonstrate our method’s significant improvements over existing baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google