論文の概要: Emotion Correlation Mining Through Deep Learning Models on Natural Language Text

• arxiv url: http://arxiv.org/abs/2007.14071v1
• Date: Tue, 28 Jul 2020 08:59:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-06 01:27:12.374895
• Title: Emotion Correlation Mining Through Deep Learning Models on Natural Language Text
• Title（参考訳）: 自然言語テキストを用いた深層学習モデルによる感情相関マイニング
• Authors: Xinzhi Wang, Luyao Kou, Vijayan Sugumaran, Xiangfeng Luo, and Hui Zhang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 3.23176099204268
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion analysis has been attracting researchers' attention. Most previous works in the artificial intelligence field focus on recognizing emotion rather than mining the reason why emotions are not or wrongly recognized. Correlation among emotions contributes to the failure of emotion recognition. In this paper, we try to fill the gap between emotion recognition and emotion correlation mining through natural language text from web news. Correlation among emotions, expressed as the confusion and evolution of emotion, is primarily caused by human emotion cognitive bias. To mine emotion correlation from emotion recognition through text, three kinds of features and two deep neural network models are presented. The emotion confusion law is extracted through orthogonal basis. The emotion evolution law is evaluated from three perspectives, one-step shift, limited-step shifts, and shortest path transfer. The method is validated using three datasets-the titles, the bodies, and the comments of news articles, covering both objective and subjective texts in varying lengths (long and short). The experimental results show that, in subjective comments, emotions are easily mistaken as anger. Comments tend to arouse emotion circulations of love-anger and sadness-anger. In objective news, it is easy to recognize text emotion as love and cause fear-joy circulation. That means, journalists may try to attract attention using fear and joy words but arouse the emotion love instead; After news release, netizens generate emotional comments to express their intense emotions, i.e., anger, sadness, and love. These findings could provide insights for applications regarding affective interaction such as network public sentiment, social media communication, and human-computer interaction.
• Abstract（参考訳）: 感情分析は研究者の注目を集めている。 人工知能分野におけるこれまでのほとんどの研究は、感情が正しく認識されていない理由をマイニングするよりも、感情を認識することに重点を置いていた。 感情間の相関は感情認識の失敗に寄与する。 本稿では,Webニュースからの自然言語テキストによる感情認識と感情相関マイニングのギャップを埋めようとしている。 感情の混乱と進化として表される感情間の相関は主に人間の感情認知バイアスによって引き起こされる。 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。 感情混乱の法則は直交的に抽出される。 感情進化の法則は、1ステップシフト、限定ステップシフト、最短パス転送の3つの視点から評価される。 この手法は3つのデータセット(タイトル、ボディ、記事のコメント)を用いて検証され、目的テキストと主観テキストの両方を長さ(長短)でカバーする。 実験の結果,主観的なコメントでは感情は怒りと容易に間違えられることがわかった。 コメントは愛情や悲しみの循環を喚起する傾向がある。 客観的ニュースでは、テキスト感情を愛として認識し、恐怖と喜びの循環を引き起こすことが容易である。 つまり、ジャーナリストは恐怖や喜びの言葉を使って注意を引き付けようとするが、その代わりに感情的な愛を喚起する。 これらの発見は、ネットワークの公的な感情、ソーシャルメディアのコミュニケーション、人間とコンピュータの相互作用など、情緒的な相互作用に関するアプリケーションに対する洞察を与える可能性がある。

関連論文リスト

• Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
  対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。 大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
  論文  参考訳（メタデータ） (2024-06-07T08:58:29Z)
• Emotion Granularity from Text: An Aggregate-Level Indicator of Mental Health [25.166884750592175]
  心理学において、個人の感情概念を区別する能力の変化を感情の粒度と呼ぶ。 高い感情の粒度は、より良い精神と身体の健康と結びついている。 低感情の粒度は、不適応な感情制御戦略や健康状態の悪化と結びついている。
  論文  参考訳（メタデータ） (2024-03-04T18:12:10Z)
• 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)
• Empathetic Response Generation via Emotion Cause Transition Graph [29.418144401849194]
  共感的対話は、感情的要因(例えば、感情の状態)と認知的要因(例えば、感情の原因)の両方の知覚を必要とする人間のような行動である。 共感対話における2つのターン間の感情原因の自然な遷移を明示的にモデル化する感情原因遷移グラフを提案する。 このグラフでは、次のターンで生じる感情の概念語を、特殊に設計された概念認識デコーダによって予測し、使用し、共感的な応答を生成する。
  論文  参考訳（メタデータ） (2023-02-23T05:51:17Z)
• 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)
• 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)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)
• 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)
• Manipulating emotions for ground truth emotion analysis [0.5660207256468972]
  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。
  論文  参考訳（メタデータ） (2020-06-16T07:03:28Z)
• 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。