論文の概要: EEGS: A Transparent Model of Emotions
- arxiv url: http://arxiv.org/abs/2011.02573v1
- Date: Wed, 4 Nov 2020 23:18:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 23:08:52.195892
- Title: EEGS: A Transparent Model of Emotions
- Title（参考訳）: EEGS: 透明な感情モデル
- Authors: Suman Ojha, Jonathan Vitale and Mary-Anne Williams
- Abstract要約: 本稿では感情モデルEEGSの計算の詳細について述べる。
また、モデルの評価に使用される3段階の検証手法の概要も提供する。
- 参考スコア（独自算出の注目度）: 2.062593640149623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the computational details of our emotion model, EEGS, and
also provides an overview of a three-stage validation methodology used for the
evaluation of our model, which can also be applicable for other computational
models of emotion. A major gap in existing emotion modelling literature has
been the lack of computational/technical details of the implemented models,
which not only makes it difficult for early-stage researchers to understand the
area but also prevents benchmarking of the developed models for expert
researchers. We partly addressed these issues by presenting technical details
for the computation of appraisal variables in our previous work. In this paper,
we present mathematical formulas for the calculation of emotion intensities
based on the theoretical premises of appraisal theory. Moreover, we will
discuss how we enable our emotion model to reach to a regulated emotional state
for social acceptability of autonomous agents. We hope this paper will allow a
better transparency of knowledge, accurate benchmarking and further evolution
of the field of emotion modelling.
- Abstract（参考訳）: 本稿では,感情モデルであるEEGSの計算の詳細を述べるとともに,他の感情モデルにも適用可能な3段階の検証手法について概説する。
既存の感情モデリングの文献における大きなギャップは、実装されたモデルの計算/技術的詳細が欠如していることである。
評価変数の計算に関する技術的詳細を過去の研究で提示することで,これらの問題に部分的に対処する。
本稿では,評価理論の理論的前提に基づく感情強度計算のための数式を提案する。
さらに、我々の感情モデルが自律エージェントの社会的受容性に対する規制された感情状態にどのように到達できるかについて議論する。
この論文は、知識の透明性、正確なベンチマーク、感情モデリングの分野のさらなる進化を可能にすることを願っている。
関連論文リスト
- MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。
以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。
MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
論文 参考訳（メタデータ） (2024-11-18T02:09:48Z) - Emotion Detection in Reddit: Comparative Study of Machine Learning and Deep Learning Techniques [0.0]
本研究は,GoEmotionsデータセットを利用したテキストによる感情検出に焦点を当てた。
このタスクには、6つの機械学習モデル、3つのアンサンブルモデル、Long Short-Term Memory(LSTM)モデルなど、さまざまなモデルを使用しました。
結果は、Stacking分類器が他のモデルよりも精度と性能が優れていることを示している。
論文 参考訳（メタデータ） (2024-11-15T16:28:25Z) - Performance evaluation of Reddit Comments using Machine Learning and Natural Language Processing methods in Sentiment Analysis [0.764671395172401]
我々は、Reddit上で58,000のコメントを寄せ集め、感情分析手法を評価した。
我々の研究は、様々なモデルの配列を評価することによって、範囲を広げる。
以上の結果から,RoBERTaモデルはベースラインモデルよりも一貫して優れていることがわかった。
論文 参考訳（メタデータ） (2024-05-27T03:59:28Z) - An Appraisal-Based Chain-Of-Emotion Architecture for Affective Language
Model Game Agents [0.40964539027092906]
本研究では,感情的知性課題の解決と感情のシミュレートを目的とした大規模言語モデルの能力について検討する。
心理学的評価研究に基づいて,ゲーム内の感情シミュレーションのための新たな感情連鎖アーキテクチャを提示し,評価する。
論文 参考訳（メタデータ） (2023-09-10T16:55:49Z) - Beyond Explaining: Opportunities and Challenges of XAI-Based Model
Improvement [75.00655434905417]
説明可能な人工知能(XAI)は、高度に複雑な機械学習(ML)モデルに透明性をもたらす新たな研究分野である。
本稿では,機械学習モデルの諸特性を改善するために,XAIを実用的に応用する手法を概観する。
実験では,モデル一般化能力や推論などの特性を改善する上で,説明がどのように役立つのかを,おもちゃと現実的な設定で実証的に示す。
論文 参考訳（メタデータ） (2022-03-15T15:44:28Z) - Fine-Grained Emotion Prediction by Modeling Emotion Definitions [26.098917459551167]
本研究では,感情定義モデルを用いて,テキスト中の感情の微粒化を予測するための新しいフレームワークを提案する。
我々のモデルは、詳細な感情データセットGoEmotionsの既存の最先端よりも優れています。
論文 参考訳（メタデータ） (2021-07-26T12:11:18Z) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳（メタデータ） (2021-04-20T16:55:15Z) - Computational Emotion Analysis From Images: Recent Advances and Future
Directions [79.05003998727103]
本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。
心理学の一般的な感情表現モデルから始めます。
そして、研究者たちが解決しようとしている重要な計算問題を定義します。
論文 参考訳（メタデータ） (2021-03-19T13:33:34Z) - Automatic Expansion of Domain-Specific Affective Models for Web
Intelligence Applications [3.0012517171007755]
感覚コンピューティングは、異なる複雑さのよく定義された感情モデルに依存している。
洗練された機械学習アプローチと組み合わされた最もきめ細かい感情モデルでは、組織の戦略的位置決めの目標を完全に把握できないかもしれません。
本稿では、知識グラフで利用可能な共通知識と常識知識と、言語モデルと感情的推論を組み合わせた感情モデルの拡張手法を紹介する。
論文 参考訳（メタデータ） (2021-02-01T13:32:35Z) - A Diagnostic Study of Explainability Techniques for Text Classification [52.879658637466605]
既存の説明可能性技術を評価するための診断特性のリストを作成する。
そこで本研究では, モデルの性能と有理性との整合性の関係を明らかにするために, 説明可能性手法によって割り当てられた有理性スコアと有理性入力領域の人間のアノテーションを比較した。
論文 参考訳（メタデータ） (2020-09-25T12:01:53Z) - Facial Expression Editing with Continuous Emotion Labels [76.36392210528105]
深層生成モデルは、自動表情編集の分野で素晴らしい成果を上げている。
連続した2次元の感情ラベルに従って顔画像の表情を操作できるモデルを提案する。
論文 参考訳（メタデータ） (2020-06-22T13:03:02Z)
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。