Fugu-MT 論文翻訳(概要): User Guide for KOTE: Korean Online Comments Emotions Dataset

論文の概要: User Guide for KOTE: Korean Online Comments Emotions Dataset

arxiv url: http://arxiv.org/abs/2205.05300v1
Date: Wed, 11 May 2022 06:54:10 GMT
ステータス: 処理完了
システム内更新日: 2022-05-12 18:50:50.640991
Title: User Guide for KOTE: Korean Online Comments Emotions Dataset
Title（参考訳）: KOTEのユーザガイド: 韓国のオンラインコメントの感情データセット
Authors: Duyoung Jeon and Junho Lee and Cheongtag Kim
Abstract要約: ほとんどの韓国の感情コーパスはインスタンス数が少ないため、限られた範囲の感情をカバーしている。 KOTEには50k(250k)の韓国のオンラインコメントが含まれており、それぞれ43の感情ラベルまたは1つの特別なラベル(NO EMOTION)をクラウドソーシング(Ps = 3,048)によって手動でラベル付けされている。 43の感情の感情分類は、単語埋め込み空間に表現された韓国の感情概念のクラスタ分析によって体系的に確立される。
参考スコア（独自算出の注目度）: 5.865500664175491
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sentiment analysis that classifies data into positive or negative has been dominantly used to recognize emotional aspects of texts, despite the deficit of thorough examination of emotional meanings. Recently, corpora labeled with more than just valence are built to exceed this limit. However, most Korean emotion corpora are small in the number of instances and cover a limited range of emotions. We introduce KOTE dataset. KOTE contains 50k (250k cases) Korean online comments, each of which is manually labeled for 43 emotion labels or one special label (NO EMOTION) by crowdsourcing (Ps = 3,048). The emotion taxonomy of the 43 emotions is systematically established by cluster analysis of Korean emotion concepts expressed on word embedding space. After explaining how KOTE is developed, we also discuss the results of finetuning and analysis for social discrimination in the corpus.
Abstract（参考訳）: データから肯定的あるいは否定的な感情分析は、感情的意味の徹底的な検証の欠如にもかかわらず、テキストの感情的側面を認識するために主に用いられてきた。近年、この限界を超えるために、単に原子価以上のラベルを付けたコーパスが建てられている。しかし、ほとんどの韓国感情コーパスはインスタンス数が少なく、限られた範囲の感情をカバーしている。 KOTEデータセットを紹介する。 KOTEには50k(250k)の韓国のオンラインコメントが含まれており、それぞれ43の感情ラベルまたは1つの特別なラベル(NO EMOTION)をクラウドソーシング(Ps = 3,048)によって手動でラベル付けされている。 43の感情の感情分類は、単語埋め込み空間で表現された韓国感情概念のクラスター分析によって体系的に確立される。また,コーパスにおける社会的差別の微調整と分析の結果について述べる。

関連論文リスト

K-Act2Emo: Korean Commonsense Knowledge Graph for Indirect Emotional Expression [0.0]
韓国のコモンセンス知識グラフ(CSKG)であるK-Act2Emoを紹介する。我々は,肯定的な状況における推論,否定的な状況における推論,感情的な手がかりとして表現が役に立たない場合の推論に,推論型を分類する。 K-Act2Emoで微調整されたBARTベースの知識モデルは、GPT-4 Turboに匹敵するパフォーマンスレベルを達成し、韓国の様々な大規模言語モデルより優れている。
論文参考訳（メタデータ） (2024-03-21T09:26:04Z)
Socratis: Are large multimodal models emotionally aware? [63.912414283486555]
既存の感情予測ベンチマークでは、様々な理由で画像やテキストが人間にもたらす感情の多様性を考慮していない。社会反応ベンチマークであるソクラティス (Socratis) を提案し, それぞれのイメージ・キャプション(IC) ペアに複数の感情とそれらを感じる理由をアノテートする。我々は、ICペアが与えられた感情を感じる理由を生成するために、最先端のマルチモーダルな大規模言語モデルの能力をベンチマークする。
論文参考訳（メタデータ） (2023-08-31T13:59:35Z)
ArPanEmo: An Open-Source Dataset for Fine-Grained Emotion Recognition in Arabic Online Content during COVID-19 Pandemic [0.0]
本稿では,アラビア語におけるオンライン投稿の微粒な感情認識のための新しいデータセットであるArPanEmoデータセットを提案する。データセットは、10の感情カテゴリまたは中立性のために手動でラベル付けされた11,128のオンライン投稿で構成されており、Fleissのカッパは0.71である。特定のアラビア語方言をターゲットとし、新型コロナウイルス(COVID-19)のパンデミックに関連する話題に対処する。
論文参考訳（メタデータ） (2023-05-27T21:04:26Z)
The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文参考訳（メタデータ） (2023-04-19T18:32:49Z)
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)
CEFER: A Four Facets Framework based on Context and Emotion embedded features for Implicit and Explicit Emotion Recognition [2.5137859989323537]
文レベルと単語レベルの両方でテキストを解析するフレームワークを提案する。 CEFER (Context and Emotion embedded Framework for Emotion Recognition) と呼ぶ。 CEFERは、暗黙の感情を含む各単語の感情ベクトルと、文脈に基づく各単語の特徴ベクトルを結合する。
論文参考訳（メタデータ） (2022-09-28T11:16:32Z)
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)
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)
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)
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)

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。