論文の概要: A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text
- arxiv url: http://arxiv.org/abs/2005.06059v2
- Date: Sat, 20 Nov 2021 21:52:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-03 18:06:18.099434
- Title: A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text
- Title（参考訳）: 主観性を「ルーム理論」で表す計算モデル
テキストから感情を検出する事例
- Authors: Carlo Lipizzi, Dario Borrelli, Fernanda de Oliveira Capela
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 68.8204255655161
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This work introduces a new method to consider subjectivity and general
context dependency in text analysis and uses as example the detection of
emotions conveyed in text. The proposed method takes into account subjectivity
using a computational version of the Framework Theory by Marvin Minsky (1974)
leveraging on the Word2Vec approach to text vectorization by Mikolov et al.
(2013), used to generate distributed representation of words based on the
context where they appear. Our approach is based on three components: 1. a
framework/'room' representing the point of view; 2. a benchmark representing
the criteria for the analysis - in this case the emotion classification, from a
study of human emotions by Robert Plutchik (1980); and 3. the document to be
analyzed. By using similarity measure between words, we are able to extract the
relative relevance of the elements in the benchmark - intensities of emotions
in our case study - for the document to be analyzed. Our method provides a
measure that take into account the point of view of the entity reading the
document. This method could be applied to all the cases where evaluating
subjectivity is relevant to understand the relative value or meaning of a text.
Subjectivity can be not limited to human reactions, but it could be used to
provide a text with an interpretation related to a given domain ("room"). To
evaluate our method, we used a test case in the political domain.
- Abstract（参考訳）: 本研究は,テキスト分析における主観性と一般的な文脈依存性を考察する新しい手法を導入し,テキストで伝達される感情の検出を例示する。
提案手法は,Mikolov et al. (2013) による Word2Vec によるテキストベクトル化のアプローチを利用した Marvin Minsky (1974) によるフレームワーク理論の計算バージョンを用いて主観性を考慮した。
私たちのアプローチは3つのコンポーネントに基づいています。
1. 視点を表すフレームワーク/'ルーム'
2. 分析基準を表すベンチマーク - この場合の感情分類は、Robert Plutchik (1980)による人間の感情の研究からである。
3. 分析すべき書類。
単語間の類似度尺度を用いることで、ベンチマークにおける要素の相対的関連性(事例研究における感情の強度)を抽出し、文書を解析することができる。
本手法は,文書を読んでいるエンティティの視点を考慮に入れた尺度を提供する。
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。
主観性は人間の反応に限るものではなく、与えられたドメイン(「部屋」)に関連する解釈を持つテキストを提供するのに使われる。
提案手法を評価するために,政治領域におけるテストケースを用いた。
関連論文リスト
- Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。
語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。
この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
論文 参考訳（メタデータ） (2024-09-19T15:31:12Z) - Bloom-epistemic and sentiment analysis hierarchical classification in
course discussion forums [0.0]
提案手法はBloom-Epistemic and Sentiment Analysis (BE-Sent) の階層的アプローチである。
本研究は,議論フォーラムのテキストレビューに基づいて意見を評価する授業学習サブシステムの構築に成功した。
論文 参考訳（メタデータ） (2024-01-26T08:20:13Z) - Textual Entailment Recognition with Semantic Features from Empirical
Text Representation [60.31047947815282]
テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。
本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。
本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
論文 参考訳（メタデータ） (2022-10-18T10:03:51Z) - Sentiment Analysis with R: Natural Language Processing for
Semi-Automated Assessments of Qualitative Data [0.0]
本チュートリアルでは、Rを用いて感情分析を行うための基本的な機能を紹介し、テキスト文書を段階的に分析する方法を説明する。
2つの政治演説の比較は、可能なユースケースを示している。
論文 参考訳（メタデータ） (2022-06-25T13:25:39Z) - Weakly-Supervised Aspect-Based Sentiment Analysis via Joint
Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。
We learn sentiment, aspects> joint topic embeddeds in the word embedding space。
次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文 参考訳（メタデータ） (2020-10-13T21:33:24Z) - BiERU: Bidirectional Emotional Recurrent Unit for Conversational
Sentiment Analysis [18.1320976106637]
会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。
既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。
本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-31T11:13:13Z) - Survey on Visual Sentiment Analysis [87.20223213370004]
本稿では、関連する出版物をレビューし、視覚知覚分析の分野の概要を概観する。
また,3つの視点から一般的な視覚知覚分析システムの設計原理について述べる。
様々なレベルの粒度と、異なる方法でイメージに対する感情に影響を与えるコンポーネントを考慮し、問題の定式化について論じる。
論文 参考訳（メタデータ） (2020-04-24T10:15:22Z) - How Far are We from Effective Context Modeling? An Exploratory Study on
Semantic Parsing in Context [59.13515950353125]
文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。
我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
論文 参考訳（メタデータ） (2020-02-03T11:28:10Z) - A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。
文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-28T05:03:15Z)
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。