論文の概要: The CARE Dataset for Affective Response Detection

• arxiv url: http://arxiv.org/abs/2201.11895v1
• Date: Fri, 28 Jan 2022 02:17:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-31 14:51:10.343791
• Title: The CARE Dataset for Affective Response Detection
• Title（参考訳）: 感情応答検出のためのCAREデータセット
• Authors: Jane A. Yu and Alon Y. Halevy
• Abstract要約: 本稿では,7つの感情的反応に応じて注釈付けされた230万のソーシャルメディア投稿のデータセットであるCARE$_db$を紹介した。 人間のアノテーションとは異なり、ここで記述するアノテーションプロセスは、メソッドのカバレッジを拡大するために反復することができる。 本稿では,CAREアノテーションがクラウドソースアノテーションと良好に比較できることを示す実験について述べる。
• 参考スコア（独自算出の注目度）: 8.758091990334615
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Social media plays an increasing role in our communication with friends and family, and our consumption of information and entertainment. Hence, to design effective ranking functions for posts on social media, it would be useful to predict the affective response to a post (e.g., whether the user is likely to be humored, inspired, angered, informed). Similar to work on emotion recognition (which focuses on the affect of the publisher of the post), the traditional approach to recognizing affective response would involve an expensive investment in human annotation of training data. We introduce CARE$_{db}$, a dataset of 230k social media posts annotated according to 7 affective responses using the Common Affective Response Expression (CARE) method. The CARE method is a means of leveraging the signal that is present in comments that are posted in response to a post, providing high-precision evidence about the affective response of the readers to the post without human annotation. Unlike human annotation, the annotation process we describe here can be iterated upon to expand the coverage of the method, particularly for new affective responses. We present experiments that demonstrate that the CARE annotations compare favorably with crowd-sourced annotations. Finally, we use CARE$_{db}$ to train competitive BERT-based models for predicting affective response as well as emotion detection, demonstrating the utility of the dataset for related tasks.
• Abstract（参考訳）: ソーシャルメディアは、友人や家族とのコミュニケーション、情報とエンターテイメントの消費において、ますます大きな役割を果たしている。 したがって、ソーシャルメディア上で投稿の効果的なランキング関数を設計するには、投稿に対する感情的な反応を予測するのが有用である(例えば、ユーザーがユーモア、インスピレーション、怒り、インフォメーションを受けやすいかどうかなど)。 感情認識の研究(記事の出版者の影響に焦点を当てている)と同様に、感情的反応を認識する伝統的なアプローチは、トレーニングデータの人間のアノテーションに投資するコストがかかる。 そこで我々は,CARE(Common Affective Response Expression, CARE)法を用いて,7つの感情反応に基づいて注釈付き230kのソーシャルメディア投稿のデータセットであるCARE$_{db}$を紹介した。 CARE法は、投稿に反応して投稿されたコメントに存在している信号を活用する手段であり、人間のアノテーションなしで投稿に対する読者の感情反応に関する高精度な証拠を提供する。 ヒューマンアノテーションとは異なり、ここで記述したアノテーションプロセスは、特に新しい感情的な反応のために、メソッドのカバレッジを拡大するために繰り返します。 本稿では,CAREアノテーションがクラウドソースアノテーションと良好に比較できることを示す実験について述べる。 最後に、CARE$_{db}$を使用して、競合するBERTベースのモデルをトレーニングし、感情検出だけでなく、関連するタスクに対するデータセットの有用性を実証する。

関連論文リスト

• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Annotator in the Loop: A Case Study of In-Depth Rater Engagement to Create a Bridging Benchmark Dataset [1.825224193230824]
  本稿では,アノテーションのための新規かつ協調的かつ反復的なアノテーション手法について述べる。 以上の結果から,アノテータとの連携によりアノテーションの手法が強化されることが示唆された。
  論文  参考訳（メタデータ） (2024-08-01T19:11:08Z)
• Rethinking the Evaluation of Dialogue Systems: Effects of User Feedback on Crowdworkers and LLMs [57.16442740983528]
  アドホック検索では、評価は暗黙のフィードバックを含むユーザーの行動に大きく依存する。 アノテータの会話知覚におけるターン評価におけるユーザフィードバックの役割はほとんど研究されていない。 本稿では,タスク指向対話システム(TDS)の評価が,ターンのフォローアップ発話を通じて提供されるユーザフィードバック,明示的あるいは暗黙的な評価にどのように影響するかに注目した。
  論文  参考訳（メタデータ） (2024-04-19T16:45:50Z)
• Countering Misinformation via Emotional Response Generation [15.383062216223971]
  ソーシャルメディアプラットフォーム(SMP)における誤情報拡散は、公衆衛生、社会的結束、民主主義に重大な危険をもたらす。 これまでの研究では、社会的訂正が誤情報を抑制する効果的な方法であることが示された。 約1万のクレーム応答対からなる最初の大規模データセットであるVerMouthを提案する。
  論文  参考訳（メタデータ） (2023-11-17T15:37:18Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• CEM: Commonsense-aware Empathetic Response Generation [31.956147246779423]
  本稿では,ユーザ状況に関する情報を引き出すために,コモンセンスを利用した共感応答生成手法を提案する。 我々は,共感的応答生成のためのベンチマークデータセットである共感的ダイアログに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2021-09-13T06:55:14Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)

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。