論文の概要: A Multimodal Corpus for Emotion Recognition in Sarcasm

• arxiv url: http://arxiv.org/abs/2206.02119v1
• Date: Sun, 5 Jun 2022 08:01:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-11 09:36:57.483621
• Title: A Multimodal Corpus for Emotion Recognition in Sarcasm
• Title（参考訳）: サルカズムにおける感情認識のためのマルチモーダルコーパス
• Authors: Anupama Ray, Shubham Mishra, Apoorva Nunna, Pushpak Bhattacharyya
• Abstract要約: 皮肉な表現は、様々な根底にある感情を持つ。 我々は、343個の不正確な感情ラベル(690点中)を同定し、修正する。 発声は,4種類のサルカズムの1つ,プロポジション,エンベッドド,いいね!
• 参考スコア（独自算出の注目度）: 29.620911976637196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While sentiment and emotion analysis have been studied extensively, the relationship between sarcasm and emotion has largely remained unexplored. A sarcastic expression may have a variety of underlying emotions. For example, "I love being ignored" belies sadness, while "my mobile is fabulous with a battery backup of only 15 minutes!" expresses frustration. Detecting the emotion behind a sarcastic expression is non-trivial yet an important task. We undertake the task of detecting the emotion in a sarcastic statement, which to the best of our knowledge, is hitherto unexplored. We start with the recently released multimodal sarcasm detection dataset (MUStARD) pre-annotated with 9 emotions. We identify and correct 343 incorrect emotion labels (out of 690). We double the size of the dataset, label it with emotions along with valence and arousal which are important indicators of emotional intensity. Finally, we label each sarcastic utterance with one of the four sarcasm types-Propositional, Embedded, Likeprefixed and Illocutionary, with the goal of advancing sarcasm detection research. Exhaustive experimentation with multimodal (text, audio, and video) fusion models establishes a benchmark for exact emotion recognition in sarcasm and outperforms the state-of-art sarcasm detection. We release the dataset enriched with various annotations and the code for research purposes: https://github.com/apoorva-nunna/MUStARD_Plus_Plus
• Abstract（参考訳）: 感情分析と感情分析は広く研究されているが、皮肉と感情の関係は未解明のままである。 皮肉な表現は、様々な根底にある感情を持つ。 たとえば「無視されるのが大好き」とか「私の携帯はバッテリーのバックアップがわずか15分で素晴らしい!」とかは、フラストレーションを表しています。 皮肉表現の背後にある感情を検出することは、非自明だが重要なタスクである。 我々は、我々の知識を最大限に活用し、探究されていない皮肉文中の感情を検出するタスクを引き受ける。 我々は、最近リリースされたMultimodal sarcasm Detection dataset (MUStARD)から始める。 343個の不正確な感情ラベルを識別・訂正した(うち690件)。 データセットのサイズを倍にし、感情の強さを示す重要な指標であるヴァレンスと覚醒とともに感情をラベル付けします。 最後に,各サーカシック発声に,プロポジション,エンベッドド,ライクプレフィックス,イルカチオンの4種類のサルカシム型の1つをラベル付けし,サルカシム検出研究を進めることを目的とした。 マルチモーダル(テキスト、オーディオ、ビデオ)融合モデルによる実験は、サルカズムにおける正確な感情認識のベンチマークを確立し、最先端のサルカズム検出より優れている。 さまざまなアノテーションと研究目的のコードで強化されたデータセットをリリースします。

関連論文リスト

• Sentiment-enhanced Graph-based Sarcasm Explanation in Dialogue [67.09698638709065]
  本稿では,SEntiment-enhanceD Graph を用いたマルチモーダルサルカズム記述フレームワーク EDGE を提案する。 特に,まずレキシコン誘導型発話感情推論モジュールを提案し,そこでは発話感情改善戦略を考案する。 次に,マルチモーダル感情分析モデル JCA を拡張し,映像音声クリップ毎に共同感情ラベルを導出することにより,JCA-SI (Joint Cross Attention-based Sentiment Inference) というモジュールを開発する。
  論文  参考訳（メタデータ） (2024-02-06T03:14:46Z)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Researchers eye-view of sarcasm detection in social media textual content [0.0]
  ソーシャルメディアにおけるあらゆる形態のコミュニケーションにおける皮肉文の使用は、ターゲットユーザに対する生理的効果をもたらす。 本稿では,様々なサルカズム検出手法について論じ,いくつかのアプローチ,および最適な特徴を持つ関連するデータセットを結論づける。
  論文  参考訳（メタデータ） (2023-04-17T19:45:10Z)
• Sarcasm Detection Framework Using Emotion and Sentiment Features [62.997667081978825]
  本研究では,感情と感情の特徴を取り入れたモデルを提案する。 我々のアプローチは、ソーシャルネットワークプラットフォームとオンラインメディアの4つのデータセットに対して、最先端の結果を得た。
  論文  参考訳（メタデータ） (2022-11-23T15:14:44Z)
• 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)
• Computational Sarcasm Analysis on Social Media: A Systematic Review [0.23488056916440855]
  サルカズムは、人を侮辱したり、いらいらさせたり、楽しませたりするために、本当に表現したいことの反対を言ったり、書いたりするものとして定義することができる。 テキストデータにおけるサルカズムの曖昧な性質から,その検出は困難であり,感情分析研究コミュニティに大きな関心を寄せている。
  論文  参考訳（メタデータ） (2022-09-13T17:20:19Z)
• A Dual-Channel Framework for Sarcasm Recognition by Detecting Sentiment Conflict [41.08483236878307]
  サルカスムはアンビバレンス(英語版)を採用しており、そこでは肯定的だが実際には否定的であり、その逆である。 皮肉な文章の本質は、リテラル感情が深い感情とは逆であることです。 本稿では,感情の対立を認識するために,リテラルと深い感情の両方をモデル化し,デュアルチャネル・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-09-08T12:33:19Z)
• Parallel Deep Learning-Driven Sarcasm Detection from Pop Culture Text and English Humor Literature [0.76146285961466]
  ベンチマークポップカルチャー Sarcasm corpus のサーカシックな単語分布特徴を手作業で抽出する。 このような単語から重み付きベクトルからなる入力シーケンスを生成する。 提案するサルカズム検出モデルは,提案したデータセットを用いてトレーニングした場合,98.95%のトレーニング精度をピークとする。
  論文  参考訳（メタデータ） (2021-06-10T14:01:07Z)
• $R^3$: Reverse, Retrieve, and Rank for Sarcasm Generation with Commonsense Knowledge [51.70688120849654]
  非皮肉な入力文に基づくサルカズム生成のための教師なしアプローチを提案する。 本手法では,サルカズムの2つの主要な特徴をインスタンス化するために,検索・編集の枠組みを用いる。
  論文  参考訳（メタデータ） (2020-04-28T02:30:09Z)

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。