論文の概要: A Review on Text-Based Emotion Detection -- Techniques, Applications,
Datasets, and Future Directions
- arxiv url: http://arxiv.org/abs/2205.03235v1
- Date: Tue, 26 Apr 2022 15:20:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-16 01:46:23.531511
- Title: A Review on Text-Based Emotion Detection -- Techniques, Applications,
Datasets, and Future Directions
- Title（参考訳）: テキストに基づく感情検出のレビュー --技術,アプリケーション,データセット,今後の方向性-
- Authors: Sheetal Kusal, Shruti Patil, Jyoti Choudrie, Ketan Kotecha, Deepali
Vora, Ilias Pappas
- Abstract要約: 本稿では,2005年から2021年にかけてのテキストによる感情検出において,既存の文献の体系的な文献レビューを行う。
このレビューでは、IEEE、Science Direct、Scoopus、Web of Scienceの63の研究論文を精査し、4つの主要な研究課題に対処している。
様々な感情モデル、テクニック、特徴抽出方法、データセット、今後の方向性に関する研究課題についても概説した。
- 参考スコア（独自算出の注目度）: 4.257210316104905
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Artificial Intelligence (AI) has been used for processing data to make
decisions, interact with humans, and understand their feelings and emotions.
With the advent of the internet, people share and express their thoughts on
day-to-day activities and global and local events through text messaging
applications. Hence, it is essential for machines to understand emotions in
opinions, feedback, and textual dialogues to provide emotionally aware
responses to users in today's online world. The field of text-based emotion
detection (TBED) is advancing to provide automated solutions to various
applications, such as businesses, and finances, to name a few. TBED has gained
a lot of attention in recent times. The paper presents a systematic literature
review of the existing literature published between 2005 to 2021 in TBED. This
review has meticulously examined 63 research papers from IEEE, Science Direct,
Scopus, and Web of Science databases to address four primary research
questions. It also reviews the different applications of TBED across various
research domains and highlights its use. An overview of various emotion models,
techniques, feature extraction methods, datasets, and research challenges with
future directions has also been represented.
- Abstract（参考訳）: 人工知能(AI)は、データを処理して意思決定し、人間と対話し、感情や感情を理解するために使われてきた。
インターネットが出現すると、人々は日々の活動や、テキストメッセージングアプリケーションによるグローバルおよびローカルイベントについての考えを共有し、表現する。
したがって、機械が意見、フィードバック、テキスト対話の感情を理解することは、今日のオンライン世界のユーザに対して感情に敏感な応答を提供するために不可欠である。
テキストベースの感情検出(TBED)の分野は、ビジネスや財務など、さまざまなアプリケーションに自動化されたソリューションを提供しようとしている。
TBEDは近年多くの注目を集めている。
本稿では,2005年から2021年までのTBEDにおける既存の文献の体系的な文献レビューについて述べる。
このレビューでは、ieee、science direct、scopus、web of science databaseの63の研究論文を精査し、4つの主要な研究課題に対処した。
また、TBEDの様々な研究領域における様々な応用をレビューし、その利用を強調している。
様々な感情モデル、技法、特徴抽出方法、データセット、今後の方向性に関する研究課題の概観も提示されている。
関連論文リスト
- A Survey of Stance Detection on Social Media: New Directions and Perspectives [50.27382951812502]
姿勢検出は 感情コンピューティングにおける 重要なサブフィールドとして現れました
近年は、効果的な姿勢検出手法の開発に対する研究の関心が高まっている。
本稿では,ソーシャルメディア上での姿勢検出手法に関する包括的調査を行う。
論文 参考訳（メタデータ） (2024-09-24T03:06:25Z) - A Comprehensive Review on Sentiment Analysis: Tasks, Approaches and
Applications [0.2717221198324361]
感性分析(SA)はテキストマイニングにおける新たな分野である。
これは、異なるソーシャルメディアプラットフォーム上でテキストで表現された意見を計算的に識別し、分類するプロセスである。
論文 参考訳（メタデータ） (2023-11-19T06:29:41Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳（メタデータ） (2023-09-13T12:58:09Z) - Types of Approaches, Applications and Challenges in the Development of
Sentiment Analysis Systems [0.0]
知覚分析は自然言語処理と機械学習の重要な応用の1つである。
何百万ものコメントが毎日記録され、大量の構造化されていないテキストデータを生成する。
論文 参考訳（メタデータ） (2023-03-09T15:18:34Z) - Multi-Task Learning Framework for Extracting Emotion Cause Span and
Entailment in Conversations [3.2260643152341095]
本研究では,会話における感情の原因と細部を抽出するニューラルモデルを提案する。
MuTECは、感情、感情の原因、会話の細部を抽出するエンドツーエンドのマルチタスク学習フレームワークである。
論文 参考訳（メタデータ） (2022-11-07T18:14:45Z) - A Comprehensive Review of Visual-Textual Sentiment Analysis from Social
Media Networks [2.048226951354646]
ソーシャルメディアネットワークは人々の生活の重要な側面となり、彼らの考え、意見、感情のプラットフォームとして機能している。
これらの感情を分析することで、ブランド評価、YouTubeの映画レビュー、ヘルスケアアプリケーションなど、さまざまな応用が明らかになった。
本研究では、ソーシャルメディア上に投稿された視覚的・テキスト的データを調査するマルチモーダル感情分析の分野に焦点を当てた。
論文 参考訳（メタデータ） (2022-07-05T16:28:47Z) - Automatic Evaluation and Moderation of Open-domain Dialogue Systems [59.305712262126264]
研究者が悩む長きにわたる課題は、効果的な自動評価指標の欠如である。
本稿では, 対話システム技術チャレンジ10(DSTC10)におけるトラック5で得られたデータ, ベースライン, 結果について述べる。
論文 参考訳（メタデータ） (2021-11-03T10:08:05Z) - Computational Emotion Analysis From Images: Recent Advances and Future
Directions [79.05003998727103]
本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。
心理学の一般的な感情表現モデルから始めます。
そして、研究者たちが解決しようとしている重要な計算問題を定義します。
論文 参考訳（メタデータ） (2021-03-19T13:33:34Z) - Semantics for Robotic Mapping, Perception and Interaction: A Survey [93.93587844202534]
理解の研究は、ロボットに世界が何を意味するのかを決定する。
人間とロボットが同じ世界で活動するようになるにつれ、人間とロボットの相互作用の展望も意味論をもたらす。
ニーズや、トレーニングデータや計算リソースの可用性向上などによって駆動されるセマンティックスは、ロボティクスにおける急速に成長している研究領域である。
論文 参考訳（メタデータ） (2021-01-02T12:34:39Z) - Target Guided Emotion Aware Chat Machine [58.8346820846765]
意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-11-15T01:55:37Z) - News Sentiment Analysis [0.0]
本稿では,レキシコンを用いたニュース記事の感情分析手法を提案する。
この実験はBBCのニュースデータセットで実施されており、採用されたアプローチの適用性と妥当性を示している。
論文 参考訳（メタデータ） (2020-07-05T05:15:35Z)
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。