論文の概要: Advancing Humor-Focused Sentiment Analysis through Improved Contextualized Embeddings and Model Architecture

• arxiv url: http://arxiv.org/abs/2011.11773v1
• Date: Mon, 23 Nov 2020 22:30:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 02:01:07.824803
• Title: Advancing Humor-Focused Sentiment Analysis through Improved Contextualized Embeddings and Model Architecture
• Title（参考訳）: コンテキスト化埋め込みとモデルアーキテクチャの改善によるユーモア中心の感情分析の進展
• Authors: Felipe Godoy
• Abstract要約: 噂によって、私たちは都合よく、効果的に思考や感情を表現することができます。 言語モデルが仮想アシスタントやIOTデバイスを介してユビキタス化するにつれ、ユーモアを意識したモデルを開発する必要性が指数関数的に高まっていく。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Humor is a natural and fundamental component of human interactions. When correctly applied, humor allows us to express thoughts and feelings conveniently and effectively, increasing interpersonal affection, likeability, and trust. However, understanding the use of humor is a computationally challenging task from the perspective of humor-aware language processing models. As language models become ubiquitous through virtual-assistants and IOT devices, the need to develop humor-aware models rises exponentially. To further improve the state-of-the-art capacity to perform this particular sentiment-analysis task we must explore models that incorporate contextualized and nonverbal elements in their design. Ideally, we seek architectures accepting non-verbal elements as additional embedded inputs to the model, alongside the original sentence-embedded input. This survey thus analyses the current state of research in techniques for improved contextualized embedding incorporating nonverbal information, as well as newly proposed deep architectures to improve context retention on top of popular word-embeddings methods.
• Abstract（参考訳）: ユーモアは人間の相互作用の自然で基本的な要素である。 正しく適用すれば、ユーモアは感情や感情を便利かつ効果的に表現し、対人関係の愛情、親しみやすさ、信頼を高める。 しかし、ユーモアを理解することは、ユーモアを意識した言語処理モデルの観点から計算的に難しい課題である。 バーチャルアシスタントやiotデバイスを通じて言語モデルが普及するにつれ、ユーモア認識モデルを開発する必要性が指数関数的に高まっている。 この特定の感情分析タスクを実行するための最先端の能力をさらに向上するためには、設計に文脈的要素と非言語的要素を組み込んだモデルを検討する必要がある。 理想的には、言語以外の要素をモデルに追加の埋め込み入力として受け入れるアーキテクチャを求める。 そこで本研究では,非言語情報を用いた文脈的埋め込み改善技術の研究の現状と,一般的な単語埋め込み手法上での文脈保持を改善するための深層アーキテクチャについて分析する。

関連論文リスト

• Trustworthy Alignment of Retrieval-Augmented Large Language Models via Reinforcement Learning [84.94709351266557]
  検索強化に関して,言語モデルの信頼性に焦点をあてる。 検索強化言語モデルには,文脈的知識とパラメトリック的知識の両方に応じて応答を供給できる本質的な能力があると考えられる。 言語モデルと人間の嗜好の整合性に着想を得て,検索強化言語モデルを外部証拠にのみ依存する状況に整合させるための第一歩を踏み出した。
  論文  参考訳（メタデータ） (2024-10-22T09:25:21Z)
• LOLgorithm: Integrating Semantic,Syntactic and Contextual Elements for Humor Classification [0.0]
  我々は,語彙,構造統計,Word2Vec,WordNet,音声スタイルなど,特徴を構文,意味,文脈の次元に分類する。 提案モデルであるColbertはBERT埋め込みと並列隠蔽層を用いて文の一致を捉える。 SHAPの解釈と決定木は、影響のある特徴を識別し、全体論的アプローチにより、見えないデータに対するユーモア検出精度が向上することを明らかにした。
  論文  参考訳（メタデータ） (2024-08-12T17:52:11Z)
• Development of Compositionality and Generalization through Interactive Learning of Language and Action of Robots [1.7624347338410742]
  本稿では、視覚、受容、言語を予測符号化と能動推論の枠組みに組み込む脳に触発されたニューラルネットワークモデルを提案する。 その結果,課題構成の訓練変化が増大すると,未学習の動詞-名詞合成への学習の一般化が著しく向上することが示唆された。
  論文  参考訳（メタデータ） (2024-03-29T06:22:37Z)
• Systematic Literature Review: Computational Approaches for Humour Style Classification [0.2455468619225742]
  本稿では,二進法とサルカズム認識に応用した計算手法の展望について検討する。 潜在的な研究ギャップを特定し、有望な方向性を概説する。 SLRはユーモアと皮肉に関連する既存のデータセットへのアクセスを提供し、将来の研究者の作業を促進する。
  論文  参考訳（メタデータ） (2024-01-30T16:21:47Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• Contextualized word senses: from attention to compositionality [0.10878040851637999]
  本稿では,文脈感覚を符号化する透過的,解釈可能,言語的に動機づけられた戦略を提案する。 特に依存関係や選択選好やパラダイムクラスといった意味概念に注意が向けられる。
  論文  参考訳（メタデータ） (2023-12-01T16:04:00Z)
• Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
  視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。 モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。 このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
  論文  参考訳（メタデータ） (2023-07-25T17:59:18Z)
• Visually-Situated Natural Language Understanding with Contrastive Reading Model and Frozen Large Language Models [24.456117679941816]
  Contrastive Reading Model (Cream)は、Large Language Models (LLM)の言語画像理解能力を高めるために設計された、新しいニューラルネットワークである。 我々のアプローチは、視覚と言語理解のギャップを埋め、より洗練されたドキュメントインテリジェンスアシスタントの開発の道を開く。
  論文  参考訳（メタデータ） (2023-05-24T11:59:13Z)
• Interactive Natural Language Processing [67.87925315773924]
  対話型自然言語処理(iNLP)は,NLP分野における新しいパラダイムとして登場した。 本稿では,iNLPの概念の統一的定義と枠組みを提案することから,iNLPに関する包括的調査を行う。
  論文  参考訳（メタデータ） (2023-05-22T17:18:29Z)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• Compositional Generalization in Grounded Language Learning via Induced Model Sparsity [81.38804205212425]
  グリッド環境における単純な言語条件のナビゲーション問題について考察する。 本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。 我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
  論文  参考訳（メタデータ） (2022-07-06T08:46:27Z)

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。