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
- Neutral Utterances are Also Causes: Enhancing Conversational Causal
Emotion Entailment with Social Commonsense Knowledge [52.04642421708207]
Conversational Causal Emotion Entailmentは、会話から非ニュートラル目標発話に対する因果発話を検出することを目的としている。
感情情報は、標的発話と感情が同一である因果発話の検出を著しく促進することができる。
論文 参考訳(メタデータ) (2022-05-02T09:12:32Z) - x-enVENT: A Corpus of Event Descriptions with Experiencer-specific
Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。
心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。
この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文 参考訳(メタデータ) (2022-03-21T12:02:06Z) - 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) - Uncovering the Limits of Text-based Emotion Detection [0.0]
感情分類のための最大のコーパスは、GoEmotions、読者によってラベル付けされた58Kメッセージ、Vent、ライターがラベル付けされた33Mメッセージである。
我々はベンチマークを設計し、BERT上に2つのシンプルな新しいモデルを含むいくつかの特徴空間と学習アルゴリズムを評価する。
論文 参考訳(メタデータ) (2021-09-04T16:40:06Z) - Emotion Recognition from Multiple Modalities: Fundamentals and
Methodologies [106.62835060095532]
マルチモーダル感情認識(MER)のいくつかの重要な側面について論じる。
まず、広く使われている感情表現モデルと感情モダリティの簡単な紹介から始める。
次に、既存の感情アノテーション戦略とそれに対応する計算タスクを要約する。
最後に,実世界のアプリケーションについて概説し,今後の方向性について論じる。
論文 参考訳(メタデータ) (2021-08-18T21:55:20Z) - Emotion Recognition under Consideration of the Emotion Component Process
Model [9.595357496779394]
我々はScherer (2005) による感情成分プロセスモデル (CPM) を用いて感情コミュニケーションを説明する。
CPMは、感情は、出来事、すなわち主観的感情、認知的評価、表現、生理的身体反応、動機的行動傾向に対する様々なサブコンポーネントの協調過程であると述べている。
Twitter上での感情は、主に出来事の説明や主観的な感情の報告によって表現されているのに対し、文献では、著者はキャラクターが何をしているかを記述し、解釈を読者に任せることを好む。
論文 参考訳(メタデータ) (2021-07-27T15:53:25Z) - When a crisis strikes: Emotion analysis and detection during COVID-19 [96.03869351276478]
感情をラベル付けした1万ツイートのCovidEmoを紹介します。
事前学習された言語モデルがドメインや危機をまたいでどのように一般化するかを検討する。
論文 参考訳(メタデータ) (2021-07-23T04:07:14Z) - Affective Image Content Analysis: Two Decades Review and New
Perspectives [132.889649256384]
我々は,過去20年間の情緒的イメージコンテンツ分析(AICA)の発展を包括的にレビューする。
我々は、感情的ギャップ、知覚主観性、ラベルノイズと欠如という3つの主要な課題に関して、最先端の手法に焦点を当てる。
画像の内容やコンテキスト理解,グループ感情クラスタリング,ビューアーとイメージのインタラクションなど,今後の課題や研究の方向性について論じる。
論文 参考訳(メタデータ) (2021-06-30T15:20:56Z) - 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) - MICE: A Crosslinguistic Emotion Corpus in Malay, Indonesian, Chinese and
English [15.09192400091622]
MICEは、現在進行中の4つの言語における感情語コーパスである。
第1部:感情語コーパスと第2部:感情語サーベイ。
インドネシア語では6,657人,中国語では3,347人,英語では8,683人,マレー語では3,750人の感情表現を同定した。
論文 参考訳(メタデータ) (2021-06-09T06:33:30Z)
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。