Core Concepts
会話の感情的側面と性格ラベルの言語的記述を活用することで、会話における性格認識の正確性と解釈可能性を向上させる。
Abstract
本論文は、Affective-Natural Language Inference (Affective-NLI)を提案し、会話における性格認識の正確性と解釈可能性を向上させることを目的としている。
まず、会話の感情的側面を活用するため、事前学習済み言語モデルを会話における感情認識に特化して微調整する。これにより、会話中の発話に感情ラベルを付与することができる。
次に、性格ラベルの言語的記述を活用するため、心理学の知見から性格特性の肯定的・否定的な記述を収集する。これらの記述を用いて、会話内容と性格ラベルの記述の関係を自然言語推論(NLI)の問題として定式化する。
具体的には、会話内容を前提(premise)、性格ラベルの記述を仮説(hypothesis)として入力し、前提が仮説を含意するかどうかを判断する。これにより、会話内容と性格特性の関係を解釈可能な形で表現できる。
実験の結果、Affective-NLIは既存手法と比べて6-7%高い性格認識精度を達成した。また、会話の初期段階でも22-34%高い精度で性格を認識できることが示された。これにより、Affective-NLIが会話システムなどのHCIアプリケーションに適用可能であることが確認された。
Stats
会話内容から感情を正確に認識することは、性格認識の精度向上に重要である。
性格特性の言語的記述を活用することで、会話内容と性格の関係をより解釈可能な形で表現できる。
Quotes
"Personality Recognition in Conversation (PRC) aims to identify the personality traits of speakers through textual dialogue content."
"Accurate personality assessments typically involve obtaining detailed personal information or long-term historical data, such as self-report essays, questionnaires, or longitudinal records from social media, which are always unavailable in daily conversation scenarios."
"Psychology findings suggest that there are strong correlations between personalities and affective expressions in conversations [13], [14]."