論文の概要: Transformer based ensemble for emotion detection
- arxiv url: http://arxiv.org/abs/2203.11899v1
- Date: Tue, 22 Mar 2022 17:11:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-23 13:59:46.898172
- Title: Transformer based ensemble for emotion detection
- Title(参考訳): トランスフォーマーを用いた感情検出のためのアンサンブル
- Authors: Aditya Kane, Shantanu Patankar, Sahil Khose, Neeraja Kirtane
- Abstract要約: 本稿では,この感情検出の重要なタスクを扱うWASSA 2022共有タスクへの貢献について述べる。
ELECTRAモデルとBERTモデルのアンサンブルを使用してこの問題に対処し、F1スコア62.76%を達成した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Detecting emotions in languages is important to accomplish a complete
interaction between humans and machines. This paper describes our contribution
to the WASSA 2022 shared task which handles this crucial task of emotion
detection. We have to identify the following emotions: sadness, surprise,
neutral, anger, fear, disgust, joy based on a given essay text. We are using an
ensemble of ELECTRA and BERT models to tackle this problem achieving an F1
score of 62.76%. Our codebase (https://bit.ly/WASSA_shared_task) and our WandB
project (https://wandb.ai/acl_wassa_pictxmanipal/acl_wassa) is available.
- Abstract(参考訳): 言語における感情の検出は、人間と機械の完全な相互作用を達成するために重要である。
本稿では,この感情検出の重要なタスクを扱うWASSA 2022共有タスクへの貢献について述べる。
悲しみ、驚き、中立、怒り、恐怖、嫌悪、喜びといった感情は、与えられたエッセイのテキストに基づいて識別する必要があります。
ELECTRAとBERTモデルのアンサンブルを使用してこの問題に対処し、F1スコア62.76%を達成した。
私たちのコードベース(https://bit.ly/WASSA_shared_task)とWandBプロジェクト(https://wandb.ai/acl_wassa_pictxmanipal/acl_wassa)が利用可能です。
関連論文リスト
- SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in
Conversation (EDiReF) [61.49972925493912]
SemEval-2024 Task 10は、コードミキシングされた対話における感情の識別に焦点を当てた共有タスクである。
このタスクは3つの異なるサブタスクから構成される - コードミックス対話のための会話における感情認識、コードミックス対話のための感情フリップ推論、および英語対話のための感情フリップ推論である。
このタスクには84人の参加者が参加し、各サブタスクのF1スコアは0.70、0.79、0.76に達した。
論文 参考訳(メタデータ) (2024-02-29T08:20:06Z) - Empathy and Distress Detection using Ensembles of Transformer Models [0.0]
本稿では,WASSA 2023共感・感情・パーソナリティ共有タスクへのアプローチについて述べる。
自然言語処理において、共感と悲惨な検出が重要な課題である。
Pearsonのrスコアは0.346で、共感と悲惨な検出のサブタスクでは3位です。
論文 参考訳(メタデータ) (2023-12-05T08:50:34Z) - VISU at WASSA 2023 Shared Task: Detecting Emotions in Reaction to News
Stories Leveraging BERT and Stacked Embeddings [3.797177597247675]
我々のシステムVISUは、ニュース記事に反応して書かれたエッセイから感情分類の共有タスク (3) に参加した。
本研究は,単語埋め込み表現と事前設定戦略を組み合わせた深層学習(DL)モデルの開発に重点を置いている。
論文 参考訳(メタデータ) (2023-07-27T19:42:22Z) - 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) - Multi-Task Transformer with uncertainty modelling for Face Based
Affective Computing [7.09232719022402]
顔に基づく感情計算は、顔画像から感情を検出する。
本稿では,モーダル,アクション,基本的な感情の予測を共同学習するためのトランスフォーマーに基づくマルチタスク手法を提案する。
論文 参考訳(メタデータ) (2022-08-06T12:25:12Z) - The MuSe 2022 Multimodal Sentiment Analysis Challenge: Humor, Emotional
Reactions, and Stress [71.06453250061489]
マルチモーダル・センチメント・アナリティクス・チャレンジ(MuSe 2022)は、マルチモーダル・センチメントと感情認識に重点を置いている。
今年の課題では、(i)ドイツサッカーコーチの音声-視覚的記録を含むPassau Spontaneous Football Coach Humorデータセット、(ii)ドイツサッカーコーチのユーモアの存在をラベル付けしたHum-Reactionデータセット、(ii)感情的表情強度に対して個人の反応が注釈付けされたHum-Reactionデータセット、(iii)ストレス的態度における人々の継続的な感情的価値観をラベル付けした音声-視覚的データからなるUlm-Trier Social Stress Testデータセットの3つのデータセットを特徴としている。
論文 参考訳(メタデータ) (2022-06-23T13:34:33Z) - Optimize_Prime@DravidianLangTech-ACL2022: Emotion Analysis in Tamil [1.0066310107046081]
本稿では,タミル語におけるソーシャルメディアコメントの感情分析を行うことを目的とする。
このタスクは、ソーシャルメディアのコメントを、Joy、Anger、Trust、Disgustなどの感情のカテゴリに分類することを目的としている。
論文 参考訳(メタデータ) (2022-04-19T18:47:18Z) - 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) - WASSA@IITK at WASSA 2021: Multi-task Learning and Transformer Finetuning
for Emotion Classification and Empathy Prediction [0.0]
本稿では,共感予測と感情分類に関するWASSA 2021共有タスクへの貢献について述べる。
このタスクの幅広い目標は、誰かへの危害に関連する新聞記事に反応して書かれたエッセイの共感スコア、苦難スコア、全体的な感情レベルをモデル化することであった。
ELECTRAモデルを豊富に使用し、マルチタスク学習のような高度なディープラーニングアプローチも提供しています。
論文 参考訳(メタデータ) (2021-04-20T08:24:10Z) - Emotion Carrier Recognition from Personal Narratives [74.24768079275222]
パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。
感情キャリア認識(ECR)のための新しい課題を提案する。
論文 参考訳(メタデータ) (2020-08-17T17:16:08Z) - Kungfupanda at SemEval-2020 Task 12: BERT-Based Multi-Task Learning for
Offensive Language Detection [55.445023584632175]
我々は,マルチタスク学習とBERTモデルを組み合わせた攻撃的言語検出システムを構築した。
我々のモデルは、英語のサブタスクAで91.51%のF1スコアを獲得し、これは第1位に匹敵する。
論文 参考訳(メタデータ) (2020-04-28T11:27:24Z)
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。