論文の概要: EmoWrite: A Sentiment Analysis-Based Thought to Text Conversion
- arxiv url: http://arxiv.org/abs/2103.02238v1
- Date: Wed, 3 Mar 2021 08:03:59 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-09 08:20:32.692662
- Title: EmoWrite: A Sentiment Analysis-Based Thought to Text Conversion
- Title(参考訳): EmoWrite: テキスト変換に対する感性分析に基づく思考
- Authors: A. Shahid (COMSATS University Islamabad, Lahore Campus), I. Raza
(COMSATS University Islamabad, Lahore Campus), S. A. Hussain (COMSATS
University Islamabad, Lahore Campus)
- Abstract要約: EmoWriteは動的キーボードを実装しており、文字の文脈化されている。
このシステムは6.58ワード毎分(WPM)と31.92文字毎分(CPM)で、精度は90.36パーセントである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Brain Computer Interface (BCI) helps in processing and extraction of useful
information from the acquired brain signals having applications in diverse
fields such as military, medicine, neuroscience, and rehabilitation. BCI has
been used to support paralytic patients having speech impediments with severe
disabilities. To help paralytic patients communicate with ease, BCI based
systems convert silent speech (thoughts) to text. However, these systems have
an inconvenient graphical user interface, high latency, limited typing speed,
and low accuracy rate. Apart from these limitations, the existing systems do
not incorporate the inevitable factor of a patient's emotional states and
sentiment analysis. The proposed system EmoWrite implements a dynamic keyboard
with contextualized appearance of characters reducing the traversal time and
improving the utilization of the screen space. The proposed system has been
evaluated and compared with the existing systems for accuracy, convenience,
sentimental analysis, and typing speed. This system results in 6.58 Words Per
Minute (WPM) and 31.92 Characters Per Minute (CPM) with an accuracy of 90.36
percent. EmoWrite also gives remarkable results when it comes to the
integration of emotional states. Its Information Transfer Rate (ITR) is also
high as compared to other systems i.e., 87.55 bits per min with commands and
72.52 bits per min for letters. Furthermore, it provides easy to use interface
with a latency of 2.685 sec.
- Abstract(参考訳): 脳コンピュータインタフェース(BCI)は、軍事、医学、神経科学、リハビリテーションなどの様々な分野に応用された、取得した脳信号から有用な情報を処理および抽出するのに役立つ。
bciは、重度障害を伴う言語障害を持つ麻痺患者の支援に使われている。
麻痺患者のコミュニケーションを容易にするため、bciベースのシステムはサイレントスピーチ(思考)をテキストに変換する。
しかし、これらのシステムには不便なグラフィカルユーザインタフェース、高いレイテンシ、タイピング速度の制限、そして低い精度がある。
これらの制限とは別に、既存のシステムは患者の感情状態や感情分析の必然的な要因を取り入れていない。
提案するemowriteは,文字の文脈的出現によりトラバーサル時間が短縮され,画面空間の利用性が向上した動的キーボードを実装している。
提案システムは, 精度, 利便性, 感情分析, タイピング速度など, 既存のシステムと比較して評価されている。
このシステムは6.58ワード毎分(WPM)と31.92文字毎分(CPM)で、精度は90.36パーセントである。
EmoWriteはまた、感情状態の統合に関しても顕著な結果をもたらす。
インフォメーション転送レート (ITR) は、他のシステムと比較しても高く、命令が1分87.55ビット、文字が72.52ビットである。
さらに、2.685秒のレイテンシで簡単に使えるインターフェースを提供する。
関連論文リスト
- How are Prompts Different in Terms of Sensitivity? [56.951525287167065]
本稿では,関数の感度に基づく包括的即時解析を提案する。
出力に対する入力トークンの関連性に異なるプロンプトがどう影響するかを実証的に示すために、勾配に基づく唾液度スコアを使用する。
本稿では, 感度推定をペナルティ項として組み込んだ感度認識復号法を標準グリーディ復号法で導入する。
論文 参考訳(メタデータ) (2023-11-13T10:52:01Z) - Spoken Dialogue System for Medical Prescription Acquisition on
Smartphone: Development, Corpus and Evaluation [0.11184789007828977]
本稿では,スマートフォン上でアクセス可能な音声対話システムという形で,e-prescribing softwareのための自然言語インタフェースを提案する。
システムは、プリスクライブソフトウェアでチェック可能な処方薬の正式な表現を抽出する。
論文 参考訳(メタデータ) (2023-11-06T20:36:55Z) - Adapting Transformer Language Models for Predictive Typing in
Brain-Computer Interfaces [3.3961243538813837]
本稿では,複数のワードピースレベルのトランスフォーマーLMを用いて文字予測を行い,入力タスクで評価する。
GPT-2はクリーンテキストで一番良いが、異なるLMはノイズの多い歴史に対して異なる反応をする。
論文 参考訳(メタデータ) (2023-05-05T19:47:41Z) - An Approach for Improving Automatic Mouth Emotion Recognition [1.5293427903448025]
この研究は、畳み込みニューラルネットワーク(CNN)を用いた口検出による自動感情認識技術の提案と試験である。
この技術は、コミュニケーションスキルの問題のある健康障害の人々を支援するために応用される。
論文 参考訳(メタデータ) (2022-12-12T16:17:21Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳(メタデータ) (2022-10-29T09:18:41Z) - Personalized Emotion Detection using IoT and Machine Learning [6.09170287691728]
本稿では、患者の感情、特に自閉症スペクトラム障害を追跡する非侵襲的IoTシステムを提案する。
安価なセンサーとクラウドコンピューティングサービスによって、個人の心拍数をモニターし分析し、異なる感情に対する1分間の汗と心拍の変化の影響を研究する。
提案システムは、最大92%の精度で機械学習アルゴリズムを用いて、正しい感情を検出することができる。
論文 参考訳(メタデータ) (2022-09-14T07:36:03Z) - Real-time Speech Emotion Recognition Based on Syllable-Level Feature
Extraction [7.0019575386261375]
音節レベルの特徴を分解・分析するリダミストアプローチに基づく音声感情認識システムを提案する。
音節レベルのフォルマントの一連の特徴を抽出し、各音節の予測を行う単一の隠蔽層ニューラルネットワークに入力する。
実験によると、この手法は、最先端のクロスコーパスでIEが47.6%、MIが56.2%の精度で予測しながら、リアルタイムのレイテンシをアーカイブする。
論文 参考訳(メタデータ) (2022-04-25T00:20:28Z) - Multimodal Emotion Recognition using Transfer Learning from Speaker
Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。
本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文 参考訳(メタデータ) (2022-02-16T00:23:42Z) - Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot
Sentiment Classification [78.120927891455]
最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。
本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。
脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
論文 参考訳(メタデータ) (2021-12-05T21:57:22Z) - Dynamic Acoustic Unit Augmentation With BPE-Dropout for Low-Resource
End-to-End Speech Recognition [62.94773371761236]
我々は、OOVレートの高い低リソースセットアップで効果的なエンドツーエンドASRシステムを構築することを検討します。
本稿では,BPE-dropout法に基づく動的音響ユニット拡張法を提案する。
我々の単言語トルココンフォーマーは22.2%の文字誤り率(CER)と38.9%の単語誤り率(WER)の競争結果を確立した。
論文 参考訳(メタデータ) (2021-03-12T10:10:13Z) - NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価
本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。
イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文 参考訳(メタデータ) (2021-02-10T13:00:29Z)
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。