論文の概要: EmoG- Towards Emojifying Gmail Conversations
- arxiv url: http://arxiv.org/abs/2010.06403v2
- Date: Wed, 14 Oct 2020 09:48:06 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-29 05:05:03.691040
- Title: EmoG- Towards Emojifying Gmail Conversations
- Title（参考訳）: EmoG-はGmailの会話をエモジュアライズする
- Authors: Akhila Sri Manasa Venigalla and Sridhar Chimalakonda
- Abstract要約: EmoGはGoogle Chromeエクステンションで、大学生をサポートする。
メールで伝えられる感情に基づいて、絵文字でメールを拡大する。
EmoGはGoogle ChromeブラウザでGmailの受信トレイをサポートするために開発された。
- 参考スコア（独自算出の注目度）: 9.239082696657874
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Emails are one of the most frequently used medium of communication in the
present day across multiple domains including industry and educational
institutions. Understanding sentiments being expressed in an email could have a
considerable impact on the recipients' action or response to the email.
However, it is difficult to interpret emotions of the sender from pure text in
which emotions are not explicitly present. Researchers have tried to predict
customer attrition by integrating emails in client-company environment with
emotions. However, most of the existing works deal with static assessment of
email emotions. Presenting sentiments of emails dynamically to the reader could
help in understanding senders' emotion and as well have an impact on readers'
action. Hence, in this paper, we present EmoG as a Google Chrome Extension
which is intended to support university students. It augments emails with
emojis based on the sentiment being conveyed in the email, which might also
offer faster overview of email sentiments and act as tags that could help in
automatic sorting and processing of emails. Currently, EmoG has been developed
to support Gmail inbox on a Google Chrome browser, and could be extended to
other inboxes and browsers with ease. We have conducted a user survey with 15
university students to understand the usefulness of EmoG and received positive
feedback.
- Abstract（参考訳）: 電子メールは、業界や教育機関を含む複数のドメインで現在最も頻繁に使われているコミュニケーション媒体の1つである。
メールで表現される感情を理解することは、受信者の行動やメールに対する反応に大きな影響を与える可能性がある。
しかし、感情が明示的に存在しない純粋なテキストから送信者の感情を解釈することは困難である。
研究者は、顧客企業環境と感情を統合することで、顧客の誘惑を予測することを試みた。
しかし、既存の作業の多くは電子メールの感情を静的に評価する。
メールの感情を読者に動的に提示することは、送信者の感情を理解するのに役立ち、読者の行動にも影響を与える。
そこで本稿では,学生支援を目的としたgoogle chromeエクステンションとしてemogを提案する。
メールで伝達される感情に基づいて、絵文字付きメールを補強し、メールの感情の要約を高速に提供し、メールの自動ソートや処理に役立つタグとして機能する。
emogは現在、google chromeブラウザ上でgmail inboxをサポートするために開発されており、他のインボックスやブラウザにも簡単に拡張できる。
我々は15人の大学生を対象に,EmoGの有用性を理解し,肯定的なフィードバックを得た。
関連論文リスト
- ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。
CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。
本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文 参考訳（メタデータ） (2024-05-17T15:45:08Z) - EmoWear: Exploring Emotional Teasers for Voice Message Interaction on
Smartwatches [11.592591071027849]
EmoWearはスマートウォッチの音声メッセージングシステムで、ユーザーはメッセージバブルに30のアニメーションティーザーを適用して感情を反映することができる。
その結果、EmoWearはメッセージの受信と送信の両方において感情的なコミュニケーション体験を著しく向上させた。
論文 参考訳（メタデータ） (2024-02-11T12:03:01Z) - Emotion Recognition from Microblog Managing Emoticon with Text and
Classifying using 1D CNN [2.8961929092154692]
本研究では,マイクロブログデータからテキストとエモティコンの両方を考慮した感情認識手法を提案する。
エモティコンはユーザの感情のユニークな表現と考えられており、適切な感情的な言葉によって変化することができる。
実験の結果,提案手法は,Twitterデータ上でテストしながら,既存の方法よりも優れていた。
論文 参考訳（メタデータ） (2023-01-08T04:04:44Z) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳（メタデータ） (2022-10-21T03:51:18Z) - CEFER: A Four Facets Framework based on Context and Emotion embedded
features for Implicit and Explicit Emotion Recognition [2.5137859989323537]
文レベルと単語レベルの両方でテキストを解析するフレームワークを提案する。
CEFER (Context and Emotion embedded Framework for Emotion Recognition) と呼ぶ。
CEFERは、暗黙の感情を含む各単語の感情ベクトルと、文脈に基づく各単語の特徴ベクトルを結合する。
論文 参考訳（メタデータ） (2022-09-28T11:16:32Z) - Uncovering the Limits of Text-based Emotion Detection [0.0]
感情分類のための最大のコーパスは、GoEmotions、読者によってラベル付けされた58Kメッセージ、Vent、ライターがラベル付けされた33Mメッセージである。
我々はベンチマークを設計し、BERT上に2つのシンプルな新しいモデルを含むいくつかの特徴空間と学習アルゴリズムを評価する。
論文 参考訳（メタデータ） (2021-09-04T16:40:06Z) - 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) - 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 Eliciting Machine: Emotion Eliciting Conversation Generation
based on Dual Generator [18.711852474600143]
ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。
この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。
EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
論文 参考訳（メタデータ） (2021-05-18T03:19:25Z) - MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
論文 参考訳（メタデータ） (2020-10-04T00:35:47Z) - Learning with Weak Supervision for Email Intent Detection [56.71599262462638]
本稿では,メールの意図を検出するために,ユーザアクションを弱い監視源として活用することを提案する。
メール意図識別のためのエンドツーエンドの堅牢なディープニューラルネットワークモデルを開発した。
論文 参考訳（メタデータ） (2020-05-26T23:41:05Z)
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。