論文の概要: Manipulating emotions for ground truth emotion analysis

• arxiv url: http://arxiv.org/abs/2006.08952v1
• Date: Tue, 16 Jun 2020 07:03:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-20 21:14:19.285377
• Title: Manipulating emotions for ground truth emotion analysis
• Title（参考訳）: 地上真理感情分析のための感情操作
• Authors: Bennett Kleinberg
• Abstract要約: 本稿では,テキストを用いた感情分析手法として,実験行動研究からオンライン感情誘導技術を導入する。 テキストデータは、幸せ、中立、悲しい状態にランダムに割り当てられた参加者から収集された。 次に、レキシコンアプローチが誘発感情の回復にどの程度役立つかを検討した。
• 参考スコア（独自算出の注目度）: 0.5660207256468972
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text data are being used as a lens through which human cognition can be studied at a large scale. Methods like emotion analysis are now in the standard toolkit of computational social scientists but typically rely on third-person annotation with unknown validity. As an alternative, this paper introduces online emotion induction techniques from experimental behavioural research as a method for text-based emotion analysis. Text data were collected from participants who were randomly allocated to a happy, neutral or sad condition. The findings support the mood induction procedure. We then examined how well lexicon approaches can retrieve the induced emotion. All approaches resulted in statistical differences between the true emotion conditions. Overall, only up to one-third of the variance in emotion was captured by text-based measurements. Pretrained classifiers performed poorly on detecting true emotions. The paper concludes with limitations and suggestions for future research.
• Abstract（参考訳）: テキストデータは、人間の認識を大規模に研究できるレンズとして利用されている。 感情分析のような手法は現在、計算社会科学者の標準的なツールキットにあるが、典型的には妥当性の不明な第三者アノテーションに依存している。 そこで本研究では,テキストを用いた感情分析手法として,実験行動研究からオンライン感情誘導技術を導入する。 テキストデータは、幸福、中立、または悲しい条件にランダムに割り当てられた参加者から集められた。 結果は気分誘導の手順を支持する。 次に,レキシコンアプローチが誘発された感情をいかによく取り出すかを検討した。 いずれのアプローチも、真の感情状態の統計的な違いをもたらした。 概して、感情のばらつきの3分の1しかテキストベースの測定で捉えられなかった。 事前訓練された分類器は、真の感情を検出するのにうまくいかなかった。 論文は、今後の研究への限界と提案で締めくくる。

関連論文リスト

• Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
  ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Automatic Emotion Experiencer Recognition [12.447379545167642]
  テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。 テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。
  論文  参考訳（メタデータ） (2023-05-26T08:33:28Z)
• 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)
• 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)
• 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)
• Sentiment Analysis: Automatically Detecting Valence, Emotions, and Other Affectual States from Text [31.87319293259599]
  本稿では,感情分析研究の概要を概観する。 これには、フィールドの起源、タスクの豊富な風景、課題、使用するメソッドとリソースの調査、アプリケーションが含まれる。 我々は、慎重に前向きに考えることなく、感情分析が有害な結果をもたらす可能性について論じる。
  論文  参考訳（メタデータ） (2020-05-25T01:37:31Z)
• 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。

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。