Fugu-MT 論文翻訳(概要): Transformer based ensemble for emotion detection

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 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
論文参考訳（メタデータ） (2024-05-19T09:59:00Z)
Samsung Research China-Beijing at SemEval-2024 Task 3: A multi-stage framework for Emotion-Cause Pair Extraction in Conversations [12.095837596104552]
人間とコンピュータの相互作用においては、エージェントは感情を理解することで人間に反応することが不可欠である。会話におけるマルチモーダル感情因果ペア抽出というタスクは、感情を認識し、因果表現を識別する役割を担っている。本研究では,感情を生成するための多段階フレームワークを提案し,対象感情から感情因果対を抽出する。
論文参考訳（メタデータ） (2024-04-25T11:52:21Z)
Personality-affected Emotion Generation in Dialog Systems [67.40609683389947]
ダイアログシステムに与えられた個性に基づいて感情を生成する新しいタスクであるパーソナリティ影響感情生成を提案する。本課題の課題,すなわち,(1)個性と感情的要因を不均一に統合し,(2)対話場面における多粒性感情情報を抽出する。その結果,感情生成性能はマクロF1では13%,重み付きF1では5%向上することが示唆された。
論文参考訳（メタデータ） (2024-04-03T08:48:50Z)
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)
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)
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。