Fugu-MT 論文翻訳(概要): Ethics Sheet for Automatic Emotion Recognition and Sentiment Analysis

論文の概要: Ethics Sheet for Automatic Emotion Recognition and Sentiment Analysis

arxiv url: http://arxiv.org/abs/2109.08256v1
Date: Fri, 17 Sep 2021 00:18:28 GMT
ステータス: 処理完了
システム内更新日: 2021-09-21 06:04:16.478579
Title: Ethics Sheet for Automatic Emotion Recognition and Sentiment Analysis
Title（参考訳）: 感情自動認識と感情分析のための倫理表
Authors: Saif M. Mohammad
Abstract要約: 感情的なコンピューティングコミュニティは、その創造の倫理的影響に積極的に関わっていくことが不可欠である。 AERに関連する倫理的考察を50点提示するために,AI倫理・感情認識文学から情報を合成,整理した。
参考スコア（独自算出の注目度）: 25.289525325790414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The importance and pervasiveness of emotions in our lives makes affective computing a tremendously important and vibrant line of work. Systems for automatic emotion recognition (AER) and sentiment analysis can be facilitators of enormous progress (e.g., in improving public health and commerce) but also enablers of great harm (e.g., for suppressing dissidents and manipulating voters). Thus, it is imperative that the affective computing community actively engage with the ethical ramifications of their creations. In this paper, I have synthesized and organized information from AI Ethics and Emotion Recognition literature to present fifty ethical considerations relevant to AER. Notably, the sheet fleshes out assumptions hidden in how AER is commonly framed, and in the choices often made regarding the data, method, and evaluation. Special attention is paid to the implications of AER on privacy and social groups. The objective of the sheet is to facilitate and encourage more thoughtfulness on why to automate, how to automate, and how to judge success well before the building of AER systems. Additionally, the sheet acts as a useful introductory document on emotion recognition (complementing survey articles).
Abstract（参考訳）: 人生における感情の重要性と広汎性は、感情コンピューティングを非常に重要で活気ある仕事のラインにします。自動感情認識システム(aer)と感情分析システムは、巨大な進歩の促進者(公衆衛生や商業の改善など)だけでなく、大きな危害(反体制派を抑圧し、有権者を操作するためのもの)にもなり得る。したがって、情緒的コンピューティングコミュニティは、彼らの創造の倫理的影響に積極的に関与することが不可欠である。本稿では,AI倫理・感情認識文学から情報を合成し,整理し,AERに関連する倫理的考察を50件提示する。特に、シートは、AERが一般的にフレーム化されているか、データ、方法、評価に関してしばしば行われる選択に隠れた仮定を具体化する。プライバシーや社会団体に対するAERの影響に特に注意が払われている。シートの目的は、AERシステムを構築する前に、なぜ自動化するか、どのように自動化するか、どのようにして成功を判断するかについて、より配慮し、促進することである。さらに、このシートは感情認識(補足調査記事)に関する有用な序文として機能する。

関連論文リスト

Smile upon the Face but Sadness in the Eyes: Emotion Recognition based on Facial Expressions and Eye Behaviors [63.194053817609024]
視覚行動は、視覚行動支援型マルチモーダル感情認識データセットを作成するための重要な感情的手がかりとなる。 EMERデータセットに感情認識(ER)と表情認識(FER)の両方のアノテーションを初めて提供する。具体的には、ERとFERの両方のパフォーマンスを同時に向上する新しいEMERTアーキテクチャを設計する。
論文参考訳（メタデータ） (2024-11-08T04:53:55Z)
Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
論文参考訳（メタデータ） (2024-06-07T08:58:29Z)
E-ICL: Enhancing Fine-Grained Emotion Recognition through the Lens of Prototype Theory [21.54245518795988]
本稿では,プロトタイプ理論の観点からICLの性能低下の原因を明らかにする。感情認識のための感情文脈学習法(E-ICL)を提案する。 EDOS, Empathetic-Dialogues, EmpatheticIntent, GoEmotionsの詳細な感情データセット実験により, E-ICLが優れた感情予測性能を発揮することが示された。
論文参考訳（メタデータ） (2024-06-04T10:59:43Z)
ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文参考訳（メタデータ） (2024-05-17T15:45:08Z)
EmoTwiCS: A Corpus for Modelling Emotion Trajectories in Dutch Customer Service Dialogues on Twitter [9.2878798098526]
本稿では,情緒トラジェクトリに注釈を付けた9,489件のオランダの顧客サービス対話コーパスであるEmoTwiCSを紹介する。感情軌跡」という用語は、顧客の体験したきめ細かい感情だけでなく、会話の前に起きる出来事や人間の操作者による反応も指している。
論文参考訳（メタデータ） (2023-10-10T11:31:11Z)
Artificial Empathy Classification: A Survey of Deep Learning Techniques, Datasets, and Evaluation Scales [0.0]
本稿では,これまでに収集および使用されてきたデータセットとともに,共感の計測と評価のための既存の作業について検討し,評価することを目的とする。我々のゴールは、その性能を比較することで、AE領域における最先端の手法の活用を強調し、促進することである。
論文参考訳（メタデータ） (2023-09-04T16:02:59Z)
Best Practices in the Creation and Use of Emotion Lexicons [31.87319293259599]
本稿では、Affective ComputingとAI Ethicsのアイデアと、感情レキシコンの作成と利用に関わる実践的および倫理的考察(ベストプラクティス)をまとめて紹介する。ゴールは、読者(特に感情を扱う新しい人たち)が関連する情報を一箇所で見つけられるように、関連する考慮事項の包括的なセットを提供することである。
論文参考訳（メタデータ） (2022-10-13T17:31:09Z)
Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文参考訳（メタデータ） (2022-07-25T02:20:03Z)
Ethics Sheets for AI Tasks [25.289525325790414]
私は、個々のモデルやデータセットのレベルだけでなく、AIタスクのレベルにおいても倫理的考慮事項について考えることにしました。このような取り組みの新たな形態として、AIタスクのための倫理表(Ethics Sheets for AI Tasks)を紹介します。
論文参考訳（メタデータ） (2021-07-02T16:45:40Z)
A Circular-Structured Representation for Visual Emotion Distribution Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。具体的には、まず感情圏を構築し、その内にある感情状態を統一する。提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文参考訳（メタデータ） (2021-06-23T14:53:27Z)
Disambiguating Affective Stimulus Associations for Robot Perception and Dialogue [67.89143112645556]
知覚された聴覚刺激と感情表現の関連性を学ぶことができるNICOロボットを提供します。 NICOは、感情駆動対話システムの助けを借りて、個人と特定の刺激の両方でこれを行うことができる。ロボットは、実際のHRIシナリオにおいて、被験者の聴覚刺激の楽しさを判断するために、この情報を利用することができる。
論文参考訳（メタデータ） (2021-03-05T20:55:48Z)

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。