論文の概要: Appraisal Theories for Emotion Classification in Text
- arxiv url: http://arxiv.org/abs/2003.14155v6
- Date: Tue, 3 Nov 2020 16:04:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-18 00:57:59.571776
- Title: Appraisal Theories for Emotion Classification in Text
- Title（参考訳）: テキストにおける感情分類のための評価理論
- Authors: Jan Hofmann, Enrica Troiano, Kai Sassenberg, and Roman Klinger
- Abstract要約: 自動分類手法は,事象の性質を潜時変数として学習する必要があることを示す。
本稿では,事象の認知的評価の理論に従って,そのような解釈を明確化することを提案する。
以上の結果から,事象記述における高品質な評価次元の割り当てが,個別の感情カテゴリーの分類の改善につながることが示唆された。
- 参考スコア（独自算出の注目度）: 13.743991035051714
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Automatic emotion categorization has been predominantly formulated as text
classification in which textual units are assigned to an emotion from a
predefined inventory, for instance following the fundamental emotion classes
proposed by Paul Ekman (fear, joy, anger, disgust, sadness, surprise) or Robert
Plutchik (adding trust, anticipation). This approach ignores existing
psychological theories to some degree, which provide explanations regarding the
perception of events. For instance, the description that somebody discovers a
snake is associated with fear, based on the appraisal as being an unpleasant
and non-controllable situation. This emotion reconstruction is even possible
without having access to explicit reports of a subjective feeling (for instance
expressing this with the words "I am afraid."). Automatic classification
approaches therefore need to learn properties of events as latent variables
(for instance that the uncertainty and the mental or physical effort associated
with the encounter of a snake leads to fear). With this paper, we propose to
make such interpretations of events explicit, following theories of cognitive
appraisal of events, and show their potential for emotion classification when
being encoded in classification models. Our results show that high quality
appraisal dimension assignments in event descriptions lead to an improvement in
the classification of discrete emotion categories. We make our corpus of
appraisal-annotated emotion-associated event descriptions publicly available.
- Abstract（参考訳）: 自動感情分類は、例えばポール・エクマン (Paul Ekman) が提唱した基本的な感情クラス (far, joy, anger, disgust, sadness, surprise) やロバート・プルチック (Robert Plutchik) によって提案された、事前定義された在庫から感情にテキスト単位が割り当てられるテキスト分類として、主に定式化されてきた。
このアプローチは、事象の知覚に関する説明を提供する既存の心理学理論をある程度無視する。
例えば、誰かがヘビを発見したという記述は、不愉快でコントロール不能な状況であるという評価に基づいて恐怖と関連づけられている。
この感情の再構築は、主観的感情の明確な報告(例えば、これを「私は恐れている」という言葉で表現するなど)にアクセスできることなく可能である。
したがって、自動分類アプローチでは、事象の性質を潜在変数として学習する必要がある(例えば、ヘビの遭遇に伴う不確実性と精神的または肉体的努力が恐怖に繋がる)。
本稿では,このような事象の解釈を,事象の認知的評価の理論に従って明確化し,分類モデルに符号化された場合の感情分類の可能性を示す。
その結果,事象記述における高品質な評価次元の割り当ては,個別の感情カテゴリーの分類の改善につながることがわかった。
評価アノテートされた感情関連イベント記述のコーパスを一般公開する。
関連論文リスト
- Handling Ambiguity in Emotion: From Out-of-Domain Detection to
Distribution Estimation [45.53789836426869]
感情に対する主観的な認識は、人間の注釈からの矛盾したラベルにつながる。
本稿では,あいまいな感情を扱う3つの方法について検討する。
分類器にラベルを付けない発話を付加クラスとして組み込むことで、他の感情クラスの分類性能が低下することを示す。
また,明快な深層学習を用いた感情分類における不確実性を定量化することにより,不明瞭な感情を伴う発話を領域外サンプルとして検出することを提案する。
論文 参考訳（メタデータ） (2024-02-20T09:53:38Z) - 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) - Experiencer-Specific Emotion and Appraisal Prediction [13.324006587838523]
NLPにおける感情分類は、文章や段落などの感情をテキストに割り当てる。
イベントの経験に焦点を合わせ、各イベントに感情(もしあれば)を割り当てます。
経験者の感情と評価のモデルが経験者に依存しないベースラインより優れています。
論文 参考訳（メタデータ） (2022-10-21T16:04:27Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳（メタデータ） (2022-08-11T15:45:58Z) - Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。
既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。
視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文 参考訳（メタデータ） (2022-07-25T02:20:03Z) - Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus
Creation, Annotation Reliability, and Prediction [14.555520007106656]
心理学において、評価理論として知られる感情理論のクラスは、出来事と感情の関係を説明することを目的としている。
我々は,アノテータによって評価概念を確実に再構築できるかどうかを理解することを目的として,テキストにおける感情分析のための評価理論の適合性を分析した。
テキスト分類法と人間のアノテータとの比較により、両者が同様の性能で感情や評価を確実に検出できることが示されている。
論文 参考訳（メタデータ） (2022-06-10T17:20:17Z) - x-enVENT: A Corpus of Event Descriptions with Experiencer-specific
Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。
心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。
この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文 参考訳（メタデータ） (2022-03-21T12:02:06Z) - 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) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳（メタデータ） (2021-04-20T16:55:15Z) - Emotion-Aware, Emotion-Agnostic, or Automatic: Corpus Creation
Strategies to Obtain Cognitive Event Appraisal Annotations [12.48513712803069]
評価理論は、イベントの認知評価が特定の感情をどのように導くかを説明します。
イベント中心のenISEARコーパスに基づく評価次元に対する異なるアノテーション戦略について検討する。
論文 参考訳（メタデータ） (2021-02-25T13:55:44Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳（メタデータ） (2020-05-12T21:26:04Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。