論文の概要: EmoBank: Studying the Impact of Annotation Perspective and
Representation Format on Dimensional Emotion Analysis
- arxiv url: http://arxiv.org/abs/2205.01996v1
- Date: Wed, 4 May 2022 11:03:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-05 13:08:00.021228
- Title: EmoBank: Studying the Impact of Annotation Perspective and
Representation Format on Dimensional Emotion Analysis
- Title（参考訳）: EmoBank: アノテーションの視点と表現形式が次元感情分析に及ぼす影響について
- Authors: Sven Buechel and Udo Hahn
- Abstract要約: EmoBankは、複数のジャンルのバランスをとる10万の英語文のコーパスだ。
EmoBankは、2つのパースペクティブと2つの表現的デザインで優れている。
我々は,IAAと評価強度の観点から,読者の視点の優位性を示す証拠を見出した。
- 参考スコア（独自算出の注目度）: 11.896225475351317
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe EmoBank, a corpus of 10k English sentences balancing multiple
genres, which we annotated with dimensional emotion metadata in the
Valence-Arousal-Dominance (VAD) representation format. EmoBank excels with a
bi-perspectival and bi-representational design. On the one hand, we distinguish
between writer's and reader's emotions, on the other hand, a subset of the
corpus complements dimensional VAD annotations with categorical ones based on
Basic Emotions. We find evidence for the supremacy of the reader's perspective
in terms of IAA and rating intensity, and achieve close-to-human performance
when mapping between dimensional and categorical formats.
- Abstract（参考訳）: EmoBankは、複数のジャンルのバランスをとる10kの英語文からなるコーパスで、Valence-Arousal-Dominance(VAD)表現形式で、次元的感情メタデータに注釈を付けた。
emobankはbi-perspectivalとbi-representationalデザインで優れている。
一方,著者の感情と読者の感情を区別する一方で,コーパスのサブセットは,基本的な感情に基づくカテゴリのアノテーションで,次元vadアノテーションを補完する。
我々は,iaaと格付け強度の観点で読者の視点の優越性を示す証拠を見いだし,次元形式とカテゴリー形式をマッピングする場合の人間に近い性能を実現する。
関連論文リスト
- Emotion Rendering for Conversational Speech Synthesis with Heterogeneous
Graph-Based Context Modeling [50.99252242917458]
会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。
データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。
我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
論文 参考訳（メタデータ） (2023-12-19T08:47:50Z) - EmoSet: A Large-scale Visual Emotion Dataset with Rich Attributes [53.95428298229396]
リッチ属性を付加した最初の大規模視覚感情データセットであるEmoSetを紹介する。
EmoSetは合計330万枚の画像で構成され、そのうち118,102枚は人間のアノテーションによって慎重にラベル付けされている。
心理学的な研究によって動機付けられ、感情のカテゴリに加えて、各画像には記述可能な感情特性のセットが注釈付けされている。
論文 参考訳（メタデータ） (2023-07-16T06:42:46Z) - Experiencer-Specific Emotion and Appraisal Prediction [13.324006587838523]
NLPにおける感情分類は、文章や段落などの感情をテキストに割り当てる。
イベントの経験に焦点を合わせ、各イベントに感情(もしあれば)を割り当てます。
経験者の感情と評価のモデルが経験者に依存しないベースラインより優れています。
論文 参考訳（メタデータ） (2022-10-21T16:04:27Z) - Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。
既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。
視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
論文 参考訳（メタデータ） (2022-07-25T02:20:03Z) - The ABBE Corpus: Animate Beings Being Emotional [14.50261153230204]
私たちはABBEコーパス -- Animate Beings Emotional -- を新たに2つの注釈付きテキストコーパスとして提供します。
コーパスには30の章があり、英語小説のコーパスから134,513語が抽出されている。
2,010個の感情表現が含まれており、これは2,227個の動物に由来する。
論文 参考訳（メタデータ） (2022-01-25T20:35:52Z) - A Circular-Structured Representation for Visual Emotion Distribution
Learning [82.89776298753661]
視覚的感情分布学習に先立つ知識を活用するために,身近な円形構造表現を提案する。
具体的には、まず感情圏を構築し、その内にある感情状態を統一する。
提案した感情圏では、各感情分布は3つの属性で定義される感情ベクトルで表される。
論文 参考訳（メタデータ） (2021-06-23T14:53:27Z) - A computational model implementing subjectivity with the 'Room Theory'.
The case of detecting Emotion from Text [68.8204255655161]
本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。
単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。
この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
論文 参考訳（メタデータ） (2020-05-12T21:26:04Z) - PO-EMO: Conceptualization, Annotation, and Modeling of Aesthetic
Emotions in German and English Poetry [26.172030802168752]
我々は、詩の中の感情を、文章で表現されるものや著者が意図するものよりも、読者に誘惑されるものとして考える。
我々は,読者の審美的評価を予測可能な審美感情の集合を概念化し,各行に複数ラベルの注釈を付けることで,その文脈内での混合感情を捉えることができる。
論文 参考訳（メタデータ） (2020-03-17T13:54:48Z) - Emosaic: Visualizing Affective Content of Text at Varying Granularity [0.0]
エモザイク(Emosaic)は、テキストの感情的なトーンを可視化するツールである。
我々は、人間の感情の3次元モデルを構築した。
論文 参考訳（メタデータ） (2020-02-24T07:25:01Z) - A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。
文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
論文 参考訳（メタデータ） (2020-01-28T05:03:15Z)
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。