Fugu-MT 論文翻訳(概要): MICE: A Crosslinguistic Emotion Corpus in Malay, Indonesian, Chinese and English

論文の概要: MICE: A Crosslinguistic Emotion Corpus in Malay, Indonesian, Chinese and English

arxiv url: http://arxiv.org/abs/2106.04831v1
Date: Wed, 9 Jun 2021 06:33:30 GMT
ステータス: 処理完了
システム内更新日: 2021-06-10 15:13:48.973938
Title: MICE: A Crosslinguistic Emotion Corpus in Malay, Indonesian, Chinese and English
Title（参考訳）: MICE:マレー語、インドネシア語、中国語、英語の多言語感情コーパス
Authors: Ng Bee Chin, Yosephine Susanto and Erik Cambria
Abstract要約: MICEは、現在進行中の4つの言語における感情語コーパスである。第1部:感情語コーパスと第2部:感情語サーベイ。インドネシア語では6,657人,中国語では3,347人,英語では8,683人,マレー語では3,750人の感情表現を同定した。
参考スコア（独自算出の注目度）: 15.09192400091622
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: MICE is a corpus of emotion words in four languages which is currently working progress. There are two sections to this study, Part I: Emotion word corpus and Part II: Emotion word survey. In Part 1, the method of how the emotion data is culled for each of the four languages will be described and very preliminary data will be presented. In total, we identified 3,750 emotion expressions in Malay, 6,657 in Indonesian, 3,347 in Mandarin Chinese and 8,683 in English. We are currently evaluating and double checking the corpus and doing further analysis on the distribution of these emotion expressions. Part II Emotion word survey involved an online language survey which collected information on how speakers assigned the emotion words into basic emotion categories, the rating for valence and intensity as well as biographical information of all the respondents.
Abstract（参考訳）: MICEは、現在進行中の4つの言語における感情語コーパスである。本研究には,感情語コーパスと感情語サーベイの2つのセクションがある。第1部では、各4言語について感情データがどのように培養されるかを説明し、非常に予備的なデータを提示する。インドネシア語では6,657人,中国語では3,347人,英語では8,683人であった。現在、コーパスの評価と二重チェックを行い、これらの感情表現の分布についてさらなる分析を行っている。第2部感情語調査は、オンライン言語調査で、話者が感情語を基本的な感情カテゴリに割り当てた方法、価値と強度の評価、そして全ての回答者の伝記情報を集めた。

関連論文リスト

SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
論文参考訳（メタデータ） (2024-05-19T09:59:00Z)
BANSpEmo: A Bangla Emotional Speech Recognition Dataset [0.0]
このコーパスには、1時間23分以上のオーディオ録音が772件含まれている。データセットは12のBangla文からなり、Disgust、Happy、Sad、Suprised、Anger、Fearの6つの感情で発声される。 BanSpEmoは、Bangla言語における感情と音声認識研究および関連する応用を促進するのに有用なリソースであると考えられる。
論文参考訳（メタデータ） (2023-12-21T16:52:41Z)
Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
論文参考訳（メタデータ） (2023-11-16T06:20:13Z)
Where are We in Event-centric Emotion Analysis? Bridging Emotion Role Labeling and Appraisal-based Approaches [10.736626320566707]
テキストにおける感情分析という用語は、様々な自然言語処理タスクを仮定する。感情と出来事は2つの方法で関連していると我々は主張する。我々は,NLPモデルに心理的評価理論を組み込んで事象を解釈する方法について議論する。
論文参考訳（メタデータ） (2023-09-05T09:56:29Z)
Information-Restricted Neural Language Models Reveal Different Brain Regions' Sensitivity to Semantics, Syntax and Context [87.31930367845125]
テキストコーパスを用いて語彙言語モデルGloveと超語彙言語モデルGPT-2を訓練した。そして、これらの情報制限されたモデルが、自然主義的テキストを聴く人間のfMRI信号の時間軸を予測することができるかを評価した。分析の結果、言語に関わるほとんどの脳領域は、構文変数と意味変数の両方に敏感であるが、これらの影響の相対的な大きさは、これらの領域で大きく異なることがわかった。
論文参考訳（メタデータ） (2023-02-28T08:16:18Z)
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)
Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文参考訳（メタデータ） (2022-08-11T15:45:58Z)
Building a Dialogue Corpus Annotated with Expressed and Experienced Emotions [12.29324895944564]
コミュニケーションにおいて、人間はインターロケータの感情を認識し、共感や快適さといった適切な感情に反応する。本研究では,2種類の感情を付加した対話コーパスを構築する方法を提案する。我々は、Twitterからの対話を収集し、話者が発声(表現された感情)に入力した感情と、聞き手が発声(経験的な感情)を聴いた後に感じた感情とをアノテートする。
論文参考訳（メタデータ） (2022-05-24T07:40:11Z)
The ABBE Corpus: Animate Beings Being Emotional [14.50261153230204]
私たちはABBEコーパス -- Animate Beings Emotional -- を新たに2つの注釈付きテキストコーパスとして提供します。コーパスには30の章があり、英語小説のコーパスから134,513語が抽出されている。 2,010個の感情表現が含まれており、これは2,227個の動物に由来する。
論文参考訳（メタデータ） (2022-01-25T20:35:52Z)
Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。本稿では,感情の強さを明示的に表現し,制御することを目的とする。本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
論文参考訳（メタデータ） (2022-01-10T02:11:25Z)
Emotion Recognition under Consideration of the Emotion Component Process Model [9.595357496779394]
我々はScherer (2005) による感情成分プロセスモデル (CPM) を用いて感情コミュニケーションを説明する。 CPMは、感情は、出来事、すなわち主観的感情、認知的評価、表現、生理的身体反応、動機的行動傾向に対する様々なサブコンポーネントの協調過程であると述べている。 Twitter上での感情は、主に出来事の説明や主観的な感情の報告によって表現されているのに対し、文献では、著者はキャラクターが何をしているかを記述し、解釈を読者に任せることを好む。
論文参考訳（メタデータ） (2021-07-27T15:53:25Z)

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。