Fugu-MT 論文翻訳(概要): The Information in Emotion Communication

論文の概要: The Information in Emotion Communication

arxiv url: http://arxiv.org/abs/2002.08470v1
Date: Fri, 14 Feb 2020 22:42:26 GMT
ステータス: 処理完了
システム内更新日: 2023-01-01 05:19:35.258852
Title: The Information in Emotion Communication
Title（参考訳）: 感情コミュニケーションにおける情報
Authors: Alison Duncan Kerr and Kevin Scharp
Abstract要約: 感情が人間や他の種のコミュニケーションシステムとして使われることは明らかである。この理論は、感情コミュニケーションの無数の側面を説明し、研究のための数十の新しい方向を提供する。これは、現在支配的な感情拡散の「伝染」理論よりも優れている。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: How much information is transmitted when animals use emotions to communicate? It is clear that emotions are used as communication systems in humans and other species. The quantitative theory of emotion information presented here is based on Shannon's mathematical theory of information in communication systems. The theory explains myriad aspects of emotion communication and offers dozens of new directions for research. It is superior to the "contagion" theory of emotion spreading, which is currently dominant. One important application of the information theory of emotion communication is that it permits the development of emotion security systems for social networks to guard against the widespread emotion manipulation we see online today.
Abstract（参考訳）: 動物が感情を使ってコミュニケーションを行うとき、どのくらいの情報が伝達されるのか? 感情が人間や他の種のコミュニケーションシステムとして使われることは明らかである。ここで提示される感情情報の定量的理論は、コミュニケーションシステムにおけるシャノンの情報に関する数学的理論に基づいている。この理論は、感情コミュニケーションの無数の側面を説明し、研究のための数十の新しい方向を提供する。これは、現在支配的な感情拡散の「伝染」理論よりも優れている。感情コミュニケーションの情報理論の重要な応用の1つは、今日のオンラインの感情操作に対して、ソーシャルネットワークのための感情セキュリティシステムの開発を可能にすることである。

関連論文リスト

SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
論文参考訳（メタデータ） (2024-05-19T09:59:00Z)
Where are We in Event-centric Emotion Analysis? Bridging Emotion Role Labeling and Appraisal-based Approaches [10.736626320566707]
テキストにおける感情分析という用語は、様々な自然言語処理タスクを仮定する。感情と出来事は2つの方法で関連していると我々は主張する。我々は,NLPモデルに心理的評価理論を組み込んで事象を解釈する方法について議論する。
論文参考訳（メタデータ） (2023-09-05T09:56:29Z)
Learning Emotion Representations from Verbal and Nonverbal Communication [7.747924294389427]
本稿では,言語・非言語コミュニケーションから視覚的感情表現を抽出する最初の事前学習パラダイムであるEmotionCLIPを提案する。 EmotionCLIPは、感情誘導型コントラスト学習を用いて、主観的文脈エンコーディングと言語感情キューを通じて、非言語感情キューへの参加を誘導する。 EmotionCLIPは、感情理解におけるデータ不足の一般的な問題に対処し、関連する領域の進歩を促進する。
論文参考訳（メタデータ） (2023-05-22T21:36:55Z)
Language-Specific Representation of Emotion-Concept Knowledge Causally Supports Emotion Inference [44.126681295827794]
この研究は、大規模言語モデル(LLMs)として知られる人工知能の形式を用いて、言語に基づく感情の表現が、新しい状況の感情的意味に関する推論を生成するAIの能力に因果的に寄与するかどうかを評価する。本研究は,LLMでも知覚モダ表現の欠如による感情の学習が可能であり,言語由来の感情概念知識の感情推論への寄与を強調した。
論文参考訳（メタデータ） (2023-02-19T14:21:33Z)
Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文参考訳（メタデータ） (2022-10-22T19:10:26Z)
Empathetic Dialogue Generation via Sensitive Emotion Recognition and Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文参考訳（メタデータ） (2022-10-21T03:51:18Z)
Emotion Recognition under Consideration of the Emotion Component Process Model [9.595357496779394]
我々はScherer (2005) による感情成分プロセスモデル (CPM) を用いて感情コミュニケーションを説明する。 CPMは、感情は、出来事、すなわち主観的感情、認知的評価、表現、生理的身体反応、動機的行動傾向に対する様々なサブコンポーネントの協調過程であると述べている。 Twitter上での感情は、主に出来事の説明や主観的な感情の報告によって表現されているのに対し、文献では、著者はキャラクターが何をしているかを記述し、解釈を読者に任せることを好む。
論文参考訳（メタデータ） (2021-07-27T15:53:25Z)
A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。具体的には、まず感情圏を構築し、その内にある感情状態を統一する。提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文参考訳（メタデータ） (2021-06-23T14:53:27Z)
Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2021-06-06T06:26:15Z)
Emotion Correlation Mining Through Deep Learning Models on Natural Language Text [3.23176099204268]
Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
論文参考訳（メタデータ） (2020-07-28T08:59:16Z)
Emotion Recognition From Gait Analyses: Current Research and Future Directions [48.93172413752614]
歩行はウォーカーの感情に関する情報を伝える様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。歩行は遠隔観察可能で模倣が困難で被験者との協力も少ない
論文参考訳（メタデータ） (2020-03-13T08:22:33Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。