Diálogo Narrativo Dataset: Corpus Conversacional Anotado por Hablante y Emoción

Área de la Ciencia:

• Procesamiento del Lenguaje Natural
• Lingüística Computacional
• Inteligencia Artificial

Sus antecedentes:

• Los conjuntos de datos de diálogo son cruciales para entrenar la IA conversacional.
• Los conjuntos de datos existentes a menudo carecen de anotaciones emocionales y de hablante matizadas.
• La ficción narrativa ofrece diálogos ricos y embebidos en contexto para la creación de conjuntos de datos.

Objetivo del estudio:

• Desarrollar un conjunto de datos de diálogo novedoso y anotado automáticamente a partir de cuentos narrativos.
• Permitir la generación de narrativas condicionadas por palabras clave y la IA expresiva emocionalmente.
• Proporcionar un recurso para el ajuste fino de modelos de lenguaje generativos.

Principales métodos:

• Se utilizó un corpus de historias de Hugging Face para la obtención de datos.
• Se empleó FastCoref y BookNLP para la atribución de hablante y la resolución de entidades.
• Se desarrolló un clasificador de emociones Bi-GRU y Mistral-7B para la extracción de palabras clave.

Principales resultados:

• Se creó un conjunto de datos de 2.588 historias con 27.074 enunciados de diálogo anotados.
• Cada diálogo está etiquetado con el hablante, la emoción (6 categorías) y las palabras clave de la historia.
• Se demostró la utilidad del conjunto de datos a través de la generación de narrativas condicionadas por palabras clave y la síntesis de voz (TTS) emocional.

Conclusiones:

• El novedoso conjunto de datos mejora significativamente las capacidades para entrenar sistemas de diálogo emocionalmente conscientes.
• Este recurso facilita los avances en la narración impulsada por IA y la síntesis de voz expresiva.
• La metodología proporciona un enfoque escalable para crear corpus de diálogo anotados similares.