論文の概要: Emoji-aware Co-attention Network with EmoGraph2vec Model for Sentiment Anaylsis

• arxiv url: http://arxiv.org/abs/2110.14636v1
• Date: Wed, 27 Oct 2021 08:01:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-31 09:04:47.990358
• Title: Emoji-aware Co-attention Network with EmoGraph2vec Model for Sentiment Anaylsis
• Title（参考訳）: 感情分析のためのEmoGraph2vecモデルを用いた絵文字認識型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: 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。
• 参考スコア（独自算出の注目度）: 9.447106020795292
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In social media platforms, emojis have an extremely high occurrence in computer-mediated communications. Many emojis are used to strengthen the emotional expressions and the emojis that co-occurs in a sentence also have a strong sentiment connection. However, when it comes to emoji representation learning, most studies have only utilized the fixed descriptions provided by the Unicode Consortium, without consideration of actual usage scenario. As for the sentiment analysis task, many researchers 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 work, we propose a method to learn emoji representations called EmoGraph2vec and design an emoji-aware co-attention network that learns the mutual emotional semantics between text and emojis on short texts of social media. In EmoGraph2vec, we form an emoji co-occurrence network on real social data and enrich the semantic information based on an external knowledge base EmojiNet to obtain emoji node embeddings. Our model designs a co-attention mechanism to incorporate the text and emojis, and integrates a squeeze-and-excitation (SE) block into a convolutional neural network as a classifier. Finally, we use the transfer learning method to increase converge speed and achieve higher accuracy. Experimental results show that the proposed model can outperform several baselines for sentiment analysis on benchmark datasets. Additionally, we conduct a series of ablation and comparison experiments to investigate the effectiveness of our model.
• Abstract（参考訳）: ソーシャルメディアプラットフォームでは、絵文字はコンピュータによるコミュニケーションにおいて極めて高い頻度で発生する。 多くの絵文字は感情表現の強化に使われており、文章に共通する絵文字も強い感情関係を持っている。 しかし、絵文字表現学習に関しては、ほとんどの研究はUnicodeコンソーシアムが提供する固定的な記述を実際の使用シナリオを考慮せずに利用しているのみである。 感情分析タスクについては、テキストと絵文字の相互作用が感情に与える影響を無視する研究者が多い。 その結果、絵文字の感情的意味論は十分に解明できない。 本研究では,emograph2vecと呼ばれる絵文字表現を学習し,ソーシャルメディアの短いテキスト上で,テキストと絵文字の相互感情意味を学習する絵文字認識協調ネットワークを設計する手法を提案する。 EmoGraph2vecでは、実際のソーシャルデータ上に絵文字共起ネットワークを形成し、外部知識ベースEmojiNetに基づいて意味情報を強化し、絵文字ノードの埋め込みを得る。 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(SE)ブロックを畳み込みニューラルネットワークに分類器として組み込む。 最後に,転送学習法を用いて収束速度を高め,高い精度を実現する。 実験結果から,提案モデルが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より優れていることが示された。 さらに, モデルの有効性を検討するため, 一連のアブレーション実験および比較実験を行った。

関連論文リスト

• Unleashing the Power of Emojis in Texts via Self-supervised Graph Pre-Training [22.452853652070413]
  ソーシャルメディアデータマイニングにおける絵文字のパワーを解放します。 テキストと絵文字の共モデリングのためのグラフ事前学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-22T18:29:10Z)
• 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)
• 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)
• Emojich -- zero-shot emoji generation using Russian language: a technical report [52.77024349608834]
  エモジッチ(Emojich)は、ロシア語の字幕を条件として絵文字を生成するテキスト・画像ニューラルネットワークである。 我々は,事前訓練された大型モデルruDALL-E Malevich(XL) 1.3Bパラメータの微調整段階における一般化能力を維持することを目的としている。
  論文  参考訳（メタデータ） (2021-12-04T23:37:32Z)
• Emoji-based Co-attention Network for Microblog Sentiment Analysis [10.135289472491655]
  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。
  論文  参考訳（メタデータ） (2021-10-27T07:23:18Z)
• Black or White but never neutral: How readers perceive identity from yellow or skin-toned emoji [90.14874935843544]
  近年の研究は、ソーシャルメディア上でのアイデンティティ表現と絵文字利用の関係を確立した。 この研究は、言語と同様に、読者がそのような自己表現の行為に敏感かどうかを問うもので、著者のアイデンティティを理解するために使用する。
  論文  参考訳（メタデータ） (2021-05-12T18:23:51Z)
• 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)
• Emoji Prediction: Extensions and Benchmarking [30.642840676899734]
  絵文字予測タスクは、テキストに関連付けられた適切な絵文字セットを予測することを目的としている。 我々は、絵文字予測タスクの既存の設定を拡張し、よりリッチな絵文字セットを含め、複数ラベルの分類を可能にする。 トランスフォーマーネットワークに基づくマルチクラス・マルチラベル絵文字予測のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-07-14T22:41:20Z)
• 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。