論文の概要: Emoji-based Co-attention Network for Microblog Sentiment Analysis

• arxiv url: http://arxiv.org/abs/2110.14227v1
• Date: Wed, 27 Oct 2021 07:23:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-29 00:57:07.436147
• Title: Emoji-based Co-attention Network for Microblog Sentiment Analysis
• Title（参考訳）: マイクロブログ感情分析のための絵文字に基づくコアテンションネットワーク
• Authors: Xiaowei Yuan, Jingyuan Hu, Xiaodan Zhang, Honglei Lv and Hao Liu
• Abstract要約: マイクロブログ上でのテキストと絵文字間の相互感情的意味を学習する絵文字に基づくコアテンションネットワークを提案する。 本モデルは、テキストと絵文字を組み込んだ双方向の長期記憶に基づくコアテンション機構を採用し、畳み込みニューラルネットワークにシャープ・アンド・エキサイティングブロックを統合し、感情的な意味的特徴に対する感度を高める。
• 参考スコア（独自算出の注目度）: 10.135289472491655
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emojis are widely used in online social networks to express emotions, attitudes, and opinions. As emotional-oriented characters, emojis can be modeled as important features of emotions towards the recipient or subject for sentiment analysis. However, existing methods mainly take emojis as heuristic information that fails to resolve the problem of ambiguity noise. Recent researches have utilized emojis as an independent input to classify text sentiment but they ignore the emotional impact of the interaction between text and emojis. It results that the emotional semantics of emojis cannot be fully explored. In this paper, we propose an emoji-based co-attention network that learns the mutual emotional semantics between text and emojis on microblogs. Our model adopts the co-attention mechanism based on bidirectional long short-term memory incorporating the text and emojis, and integrates a squeeze-and-excitation block in a convolutional neural network classifier to increase its sensitivity to emotional semantic features. Experimental results show that the proposed method can significantly outperform several baselines for sentiment analysis on short texts of social media.
• Abstract（参考訳）: オンラインソーシャルネットワークでは感情、態度、意見を表現するために絵文字が広く使われている。 感情指向の文字として、絵文字は感情分析のために受け手に対する感情の重要な特徴としてモデル化することができる。 しかし、既存の手法では、絵文字をあいまいさの問題を解決するのに失敗するヒューリスティックな情報として捉えている。 最近の研究では、絵文字を独立した入力としてテキスト感情を分類しているが、テキストと絵文字の相互作用の感情的影響を無視している。 その結果、絵文字の感情的意味論は十分に解明できない。 本稿では,マイクロブログ上でテキストと絵文字の相互感情的意味を学習する,絵文字に基づくコアテンションネットワークを提案する。 本モデルでは,テキストと絵文字を併用した双方向長期記憶に基づくコアテンション機構を採用し,畳み込みニューラルネットワーク分類器にスクイーズ・アンド・エクスシジョンブロックを統合し,感情的意味的特徴に対する感受性を高める。 実験の結果,提案手法はソーシャルメディアの短文に対する感情分析のベースライン数を有意に上回ることがわかった。

関連論文リスト

• Semantics Preserving Emoji Recommendation with Large Language Models [47.94761630160614]
  既存の絵文字レコメンデーションメソッドは、ユーザーが元のテキストで選択した正確な絵文字にマッチする能力に基づいて、主に評価される。 本稿では,ユーザのテキストとのセマンティックな整合性を維持する絵文字を推薦するモデルの能力を計測する,絵文字推薦のための新しいセマンティックス保存フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-16T22:27:46Z)
• Creating emoji lexica from unsupervised sentiment analysis of their descriptions [7.280598594783675]
  ツイートなどのオンラインテキストメッセージに絵文字で表される感情を予測するための新しいアプローチを提案する。 エモジペディアの絵文字作成者による定義に基づいて、教師なし感情分析システムを用いて、新しい絵文字感情辞書を自動構築した。
  論文  参考訳（メタデータ） (2024-04-01T19:22:58Z)
• Emojis Decoded: Leveraging ChatGPT for Enhanced Understanding in Social Media Communications [15.621456693085234]
  絵文字は、ソーシャルネットワークのコミュニケーションで普及している。 研究者は、感情、使用意図、意味を理解するために、絵文字に注釈をつけるためにクラウドソーシングに頼る。 大型言語モデル(LLM)は様々なアノテーションタスクで大きな成功を収めた。 本研究は,ChatGPTが絵文字研究におけるヒトアノテータの代替として有効なものであるという仮説を検証することを目的とする。
  論文  参考訳（メタデータ） (2024-01-22T06:02:39Z)
• EmojiLM: Modeling the New Emoji Language [44.23076273155259]
  我々は,大規模言語モデルからテキスト絵文字並列コーパスであるText2Emojiを開発した。 並列コーパスに基づいて,テキスト・絵文字双方向翻訳に特化したシーケンス・ツー・シーケンス・モデルである絵文字LMを蒸留する。 提案モデルでは,強いベースラインを上回り,平行コーパスは絵文字関連下流タスクに有効である。
  論文  参考訳（メタデータ） (2023-11-03T07:06:51Z)
• 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)
• Emoji-aware Co-attention Network with EmoGraph2vec Model for Sentiment Anaylsis [9.447106020795292]
  我々はEmoGraph2vecと呼ばれる絵文字表現を学習し、絵文字対応のコアテンションネットワークを設計する手法を提案する。 我々のモデルは、テキストと絵文字を組み込むコアテンション機構を設計し、圧縮と励起ブロックを畳み込みニューラルネットワークに統合する。 実験結果から,提案モデルは,ベンチマークデータセットの感情分析において,いくつかのベースラインを上回り得ることが示された。
  論文  参考訳（メタデータ） (2021-10-27T08:01:10Z)
• 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)
• Semantic Journeys: Quantifying Change in Emoji Meaning from 2012-2018 [66.28665205489845]
  絵文字のセマンティクスが時間とともにどのように変化するかに関する最初の縦断的研究を行い、計算言語学から6年間のtwitterデータに適用した。 絵文字のセマンティックな発達において5つのパターンを識別し、抽象的な絵文字がより少ないほど意味的変化を起こす可能性が高くなることを示す。 絵文字とセマンティクスに関する今後の作業を支援するために、私たちは、絵文字のセマンティックな変化を調べるために誰でも使用できるウェブベースのインターフェイスとともに、データを公開します。
  論文  参考訳（メタデータ） (2021-05-03T13:35:10Z)
• Assessing Emoji Use in Modern Text Processing Tools [35.79765461713127]
  絵文字は視覚的魅力と人間の感情を鮮明に伝える能力から、デジタルコミュニケーションにおいてユビキタスになりつつある。 ソーシャルメディアや他のインスタントメッセージングにおける絵文字の普及は、絵文字を含むテキストを操作するシステムやツールの必要性も高まっている。 本研究では,絵文字を用いたツイートのテストセットを検討することで,このサポートを評価する。そこでは,著名なnlpおよびテキスト処理ツールが適切に処理できるかどうかについて,一連の実験を行う。
  論文  参考訳（メタデータ） (2021-01-02T11:38:05Z)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)
• Are Emojis Emotional? A Study to Understand the Association between Emojis and Emotions [37.86739837901986]
  絵文字と感情の関連性について,人間同士の関連付けによる新たなデータセットを用いて検討する。 また,類似の関連がより大きな絵文字集合に対して予測できるような,既存のデータからそのような関連がどの程度推測できるかを評価する実験も行なっている。
  論文  参考訳（メタデータ） (2020-05-02T04:04:42Z)

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。