論文の概要: Artificial Intelligence for Emotion-Semantic Trending and People Emotion
Detection During COVID-19 Social Isolation
- arxiv url: http://arxiv.org/abs/2101.06484v1
- Date: Sat, 16 Jan 2021 17:20:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-28 06:08:03.400416
- Title: Artificial Intelligence for Emotion-Semantic Trending and People Emotion
Detection During COVID-19 Social Isolation
- Title（参考訳）: COVID-19の社会的孤立に伴う感情意味傾向と感情検出のための人工知能
- Authors: Hamed Jelodar, Rita Orji, Stan Matwin, Swarna Weerasinghe, Oladapo
Oyebode, Yongli Wang
- Abstract要約: 本論文では,Twitter上で隔離された人の感情検出のための効果的なフレームワークを提案する。
本稿では,フレームワークの評価とパイロットシステムについて述べる。
新型コロナツイートのトピック傾向と感情検出のための提案フレームワークの有効性を確認した結果。
- 参考スコア（独自算出の注目度）: 16.318840178860142
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Taking advantage of social media platforms, such as Twitter, this paper
provides an effective framework for emotion detection among those who are
quarantined. Early detection of emotional feelings and their trends help
implement timely intervention strategies. Given the limitations of medical
diagnosis of early emotional change signs during the quarantine period,
artificial intelligence models provide effective mechanisms in uncovering early
signs, symptoms and escalating trends. Novelty of the approach presented herein
is a multitask methodological framework of text data processing, implemented as
a pipeline for meaningful emotion detection and analysis, based on the
Plutchik/Ekman approach to emotion detection and trend detection. We present an
evaluation of the framework and a pilot system. Results of confirm the
effectiveness of the proposed framework for topic trends and emotion detection
of COVID-19 tweets. Our findings revealed Stay-At-Home restrictions result in
people expressing on twitter both negative and positive emotional semantics.
Semantic trends of safety issues related to staying at home rapidly decreased
within the 28 days and also negative feelings related to friends dying and
quarantined life increased in some days. These findings have potential to
impact public health policy decisions through monitoring trends of emotional
feelings of those who are quarantined. The framework presented here has
potential to assist in such monitoring by using as an online emotion detection
tool kit.
- Abstract（参考訳）: 本稿では,Twitterなどのソーシャルメディアプラットフォームを活用し,隔離された人々の間で感情検出の効果的な枠組みを提供する。
感情の早期検出とその傾向は、タイムリーな介入戦略の実装に役立つ。
隔離期における早期の感情変化の診断の限界を考えると、人工知能モデルは早期の兆候、症状、エスカレーション傾向を明らかにする効果的なメカニズムを提供する。
本稿では,plutchik/ekmanアプローチによる感情検出とトレンド検出に基づく,有意義な感情検出と分析のためのパイプラインとして実装した,テキストデータ処理のマルチタスク方法論フレームワークを提案する。
本稿では,フレームワークの評価とパイロットシステムについて述べる。
新型コロナウイルスのツイートの話題傾向と感情検出のためのフレームワークの有効性を確認した。
その結果、ツイッター上でネガティブな感情的意味論とポジティブな感情論の両方を表現できた。
28日以内に自宅滞在に関する安全問題のセマンティックな傾向が急速に減少し、友人の死亡や隔離生活に関する否定的な感情も数日で増大した。
これらの発見は、隔離された人々の感情的感情の傾向を監視することによって、公衆衛生政策の決定に影響を及ぼす可能性がある。
ここで示したフレームワークは、オンライン感情検出ツールキットとして使用することで、このようなモニタリングを支援する可能性がある。
関連論文リスト
- CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳（メタデータ） (2024-01-31T11:30:24Z) - Proactive Emotion Tracker: AI-Driven Continuous Mood and Emotion
Monitoring [2.271910267215261]
このプロジェクトは、今日のデジタル時代のメンタルヘルスの課題に対処することを目的としている。
修正されたトレーニング済みBERTモデルを使用して、ソーシャルメディアやユーザのWebブラウジングデータ内の落ち込んだテキストを検出し、93%のテスト精度を実現している。
論文 参考訳（メタデータ） (2024-01-24T15:05:11Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳（メタデータ） (2023-09-13T12:58:09Z) - BERT-Deep CNN: State-of-the-Art for Sentiment Analysis of COVID-19
Tweets [0.7850663096185592]
新型コロナウイルスのパンデミックは、ソーシャルメディアプラットフォーム上で議論されている出来事の1つだ。
パンデミックの状況では、ソーシャルメディアのテキストを分析して感情的傾向を明らかにすることが非常に有用である。
我々は、最先端のBERTモデルとDeep CNNモデルを用いて、ソーシャルメディアを通じて、新型コロナウイルスのパンデミックに対する社会の認識を研究する。
論文 参考訳（メタデータ） (2022-11-04T14:35:56Z) - 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) - When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。
事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文 参考訳（メタデータ） (2021-07-23T04:07:14Z) - Emotion Recognition for Healthcare Surveillance Systems Using Neural
Networks: A Survey [8.31246680772592]
本稿では、ニューラルネットワークを用いた感情認識の分野での最近の研究について述べる。
我々は、感情の認識を音声、表情、音声視覚入力から研究することに集中する。
これら3つの感情認識技術は、患者を監視するための医療センターの監視システムとして使用できる。
論文 参考訳（メタデータ） (2021-07-13T11:17:00Z) - 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 pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。
感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文 参考訳（メタデータ） (2021-03-01T08:31:08Z) - Capturing social media expressions during the COVID-19 pandemic in
Argentina and forecasting mental health and emotions [0.802904964931021]
アルゼンチンで発生したCOVID-19パンデミックの際の精神状態や感情は、ソーシャルメディアで使われる言語表現に基づいて予測する。
メンタルヘルスの状況と感情は、ソーシャルメディアの内容とレキシコンを結びつけるマーカーを介してキャプチャされる。
論文 参考訳（メタデータ） (2021-01-12T15:15:31Z) - Public risk perception and emotion on Twitter during the Covid-19
pandemic [0.0]
このテキストの自然言語解析により、公共リスク知覚の指標をほぼリアルタイムで監視することができる。
我々は、パンデミックの進行の疫学的指標と、2000万のユニークなCovid-19関連ツイートから構築されたパンデミックに対する大衆の認識の指標を比較した。
Twitterユーザーはますます死亡率を固定するが、感情的にも分析的にも減少している。
論文 参考訳（メタデータ） (2020-08-03T13:09:45Z)
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。