論文の概要: Detecting Perceived Emotions in Hurricane Disasters

• arxiv url: http://arxiv.org/abs/2004.14299v1
• Date: Wed, 29 Apr 2020 16:17:49 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 14:19:48.396621
• Title: Detecting Perceived Emotions in Hurricane Disasters
• Title（参考訳）: ハリケーン災害における感情認識
• Authors: Shrey Desai, Cornelia Caragea, and Junyi Jessy Li
• Abstract要約: 私たちはHurricaneEmoを紹介します。HurricaneEmoは、Harvey、Irma、Mariaの3つのハリケーンにまたがる15,000の英語ツイートの感情データセットです。 本稿では, きめ細かい感情を包括的に研究し, 粗い感情群を識別するための分類タスクを提案する。
• 参考スコア（独自算出の注目度）: 62.760131661847986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural disasters (e.g., hurricanes) affect millions of people each year, causing widespread destruction in their wake. People have recently taken to social media websites (e.g., Twitter) to share their sentiments and feelings with the larger community. Consequently, these platforms have become instrumental in understanding and perceiving emotions at scale. In this paper, we introduce HurricaneEmo, an emotion dataset of 15,000 English tweets spanning three hurricanes: Harvey, Irma, and Maria. We present a comprehensive study of fine-grained emotions and propose classification tasks to discriminate between coarse-grained emotion groups. Our best BERT model, even after task-guided pre-training which leverages unlabeled Twitter data, achieves only 68% accuracy (averaged across all groups). HurricaneEmo serves not only as a challenging benchmark for models but also as a valuable resource for analyzing emotions in disaster-centric domains.
• Abstract（参考訳）: 自然災害(例:ハリケーン)は毎年何百万人もの人々に影響を与え、覚醒によって広範囲に破壊される。 最近、人々はソーシャルメディアのウェブサイト(例えばtwitter)に行き、自分の感情や感情をより大きなコミュニティと共有した。 その結果、これらのプラットフォームは、大規模な感情の理解と知覚に役立っている。 本稿では,3つのハリケーン(Harvey,Irma,Maria)にまたがる15,000の英語ツイートの感情データセットであるHurricaneEmoを紹介する。 本稿では,細粒度感情の包括的研究を行い,粗粒度感情群を判別するための分類タスクを提案する。 私たちの最高のBERTモデルは、未ラベルのTwitterデータを活用するタスク誘導事前トレーニングの後でさえ、わずか68%の精度しか達成していません。 hurricaneemoはモデルに対する挑戦的なベンチマークとしてだけでなく、災害中心のドメインにおける感情分析の貴重なリソースとしても機能する。

関連論文リスト

• EMO-KNOW: A Large Scale Dataset on Emotion and Emotion-cause [8.616061735005314]
  我々は15年間で980万件のツイートから導かれた感情原因の大規模なデータセットを紹介した。 データセットの新規性は、その幅広い感情クラスと抽象的な感情原因に由来する。 私たちのデータセットは、異なる人々の多様な感情反応を考慮に入れた感情認識システムの設計を可能にします。
  論文  参考訳（メタデータ） (2024-06-18T08:26:33Z)
• CrisisMatch: Semi-Supervised Few-Shot Learning for Fine-Grained Disaster Tweet Classification [51.58605842457186]
  半教師付き, 少数ショットの学習環境下で, 微粒な災害ツイート分類モデルを提案する。 私たちのモデルであるCrisisMatchは、ラベルなしデータと大量のラベルなしデータを用いて、ツイートを関心の細かいクラスに効果的に分類する。
  論文  参考訳（メタデータ） (2023-10-23T07:01:09Z)
• Sarcasm Detection in a Disaster Context [103.93691731605163]
  HurricaneSARCは,意図した皮肉に注釈を付けた15,000ツイートのデータセットである。 私たちの最高のモデルは、データセットで最大0.70F1を得ることができます。
  論文  参考訳（メタデータ） (2023-08-16T05:58:12Z)
• Using Twitter Data to Determine Hurricane Category: An Experiment [0.19573380763700707]
  ソーシャルメディアの投稿には、主要な出来事に関する世論に関する豊富な情報が含まれている。 本稿では,特定地域のTwitterデータと,その地域のハリケーンレベルとの相関について検討する。 また,関連するTwitterデータを用いて,特定分野のハリケーンカテゴリーを予測する手法を提案する。
  論文  参考訳（メタデータ） (2023-08-10T22:30:24Z)
• 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)
• When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
  感情をラベル付けした1万ツイートのCovidEmoを紹介します。 事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
  論文  参考訳（メタデータ） (2021-07-23T04:07:14Z)
• Understanding the Hoarding Behaviors during the COVID-19 Pandemic using Large Scale Social Media Data [77.34726150561087]
  われわれは、2020年3月1日から4月30日まで、米国で4万2000人以上のユニークTwitterユーザーによる嫌がらせと反嫌悪のパターンを分析した。 ホアーディンググループと反ホアーディンググループの両方の女性の比率が、一般のTwitter利用者の比率よりも高いことがわかりました。 LIWCの不安度はTwitterの不安度よりもかなり高い。
  論文  参考訳（メタデータ） (2020-10-15T16:02:25Z)
• COVID-19 Twitter Dataset with Latent Topics, Sentiments and Emotions Attributes [4.254099382808598]
  本稿は、Twitterプラットフォーム上でのCOVID-19パンデミックに対する人々の言論と対応に関する大規模なグローバルデータセットについて述べる。 われわれは2億2200万件以上のTwitter投稿を「コロナ」「武漢」「nCov」「コビッド」という4つのキーワードを使って収集、処理した。 この論文は、コミュニケーション、心理学、公衆衛生、経済学、疫学におけるデータセットの使用に関する議論から締めくくっている。
  論文  参考訳（メタデータ） (2020-07-14T10:30:47Z)

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。