論文の概要: Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus
Creation, Annotation Reliability, and Prediction
- arxiv url: http://arxiv.org/abs/2206.05238v2
- Date: Mon, 13 Jun 2022 15:46:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 11:48:12.579215
- Title: Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus
Creation, Annotation Reliability, and Prediction
- Title（参考訳）: 評価理論を用いたテキスト中の感情の次元モデリング:コーパス生成、注釈信頼性、予測
- Authors: Enrica Troiano and Laura Oberl\"ander and Roman Klinger
- Abstract要約: 心理学において、評価理論として知られる感情理論のクラスは、出来事と感情の関係を説明することを目的としている。
我々は,アノテータによって評価概念を確実に再構築できるかどうかを理解することを目的として,テキストにおける感情分析のための評価理論の適合性を分析した。
テキスト分類法と人間のアノテータとの比較により、両者が同様の性能で感情や評価を確実に検出できることが示されている。
- 参考スコア（独自算出の注目度）: 14.555520007106656
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The most prominent tasks in emotion analysis are to assign emotions to texts
and to understand how emotions manifest in language. An important observation
for natural language processing is that emotions can be communicated implicitly
by referring to events alone, appealing to an empathetic, intersubjective
understanding of events, even without explicitly mentioning an emotion name. In
psychology, the class of emotion theories known as appraisal theories aims at
explaining the link between events and emotions. Appraisals can be formalized
as variables that measure a cognitive evaluation by people living through an
event that they consider relevant. They include the assessment if an event is
novel, if the person considers themselves to be responsible, if it is in line
with the own goals, and many others. Such appraisals explain which emotions are
developed based on an event, e.g., that a novel situation can induce surprise
or one with uncertain consequences could evoke fear. We analyze the suitability
of appraisal theories for emotion analysis in text with the goal of
understanding if appraisal concepts can reliably be reconstructed by
annotators, if they can be predicted by text classifiers, and if appraisal
concepts help to identify emotion categories. To achieve that, we compile a
corpus by asking people to textually describe events that triggered particular
emotions and to disclose their appraisals. Then, we ask readers to reconstruct
emotions and appraisals from the text. This setup allows us to measure if
emotions and appraisals can be recovered purely from text and provides a human
baseline to judge model's performance measures. Our comparison of text
classification methods to human annotators shows that both can reliably detect
emotions and appraisals with similar performance. We further show that
appraisal concepts improve the categorization of emotions in text.
- Abstract（参考訳）: 感情分析の最も顕著なタスクは、テキストに感情を割り当て、言語で感情がどのように現れるかを理解することである。
自然言語処理における重要な観察は、感情はイベントのみを参照することで暗黙的にコミュニケーションでき、感情名に明示的に言及することなく、感情の共感的、客観的な理解に訴えることができることである。
心理学において、評価理論として知られる感情理論のクラスは、出来事と感情の関係を説明することを目的としている。
評価は、関連する出来事を経験する人々による認知評価を測定する変数として形式化することができる。
それらは、イベントが新規である場合、人が自分自身を責任とみなす場合、それが自身の目標と一致している場合、その他多くの場合、評価を含む。
このような評価は、例えば、新しい状況が驚きを引き起こすことや、不確実な結果をもたらすことが恐怖を引き起こすことを、イベントに基づいてどの感情が発達するかを説明する。
テキストにおける感情分析における評価理論の適合性を分析し,評価概念が注釈者によって確実に再構築できるか,テキスト分類器によって予測可能か,評価概念が感情カテゴリーの識別に役立つかを理解することを目的としている。
そこで我々は,特定の感情を誘発する出来事をテキストで記述し,評価を明らかにすることでコーパスをコンパイルする。
そして,本文から感情や評価を再構築するよう読者に求めた。
この設定により、感情や評価がテキストから純粋に回収できるかどうかを計測することができ、モデルのパフォーマンス測定を判断するための人間のベースラインを提供する。
テキスト分類法を人間の注釈者と比較した結果,どちらも類似の性能で感情や評価を確実に検出できることがわかった。
さらに、評価概念がテキスト中の感情の分類を改善することを示す。
関連論文リスト
- 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) - Where are We in Event-centric Emotion Analysis? Bridging Emotion Role
Labeling and Appraisal-based Approaches [10.736626320566707]
テキストにおける感情分析という用語は、様々な自然言語処理タスクを仮定する。
感情と出来事は2つの方法で関連していると我々は主張する。
我々は,NLPモデルに心理的評価理論を組み込んで事象を解釈する方法について議論する。
論文 参考訳（メタデータ） (2023-09-05T09:56:29Z) - 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) - Empathetic Dialogue Generation via Sensitive Emotion Recognition and
Sensible Knowledge Selection [47.60224978460442]
情緒的対話生成のためのシリアル・アンド・感情知識相互作用(SEEK)法を提案する。
我々は,会話中の感情のダイナミックス(感情の流れ)に敏感な微粒なエンコーディング戦略を用いて,応答の感情依存特性を予測するとともに,知識と感情の相互作用をモデル化し,より敏感な応答を生成する新しい枠組みを設計する。
論文 参考訳（メタデータ） (2022-10-21T03:51:18Z) - Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。
次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。
実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文 参考訳（メタデータ） (2022-08-11T15:45:58Z) - 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) - 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) - Emotion-Aware, Emotion-Agnostic, or Automatic: Corpus Creation
Strategies to Obtain Cognitive Event Appraisal Annotations [12.48513712803069]
評価理論は、イベントの認知評価が特定の感情をどのように導くかを説明します。
イベント中心のenISEARコーパスに基づく評価次元に対する異なるアノテーション戦略について検討する。
論文 参考訳（メタデータ） (2021-02-25T13:55:44Z) - 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) - Appraisal Theories for Emotion Classification in Text [13.743991035051714]
自動分類手法は,事象の性質を潜時変数として学習する必要があることを示す。
本稿では,事象の認知的評価の理論に従って,そのような解釈を明確化することを提案する。
以上の結果から,事象記述における高品質な評価次元の割り当てが,個別の感情カテゴリーの分類の改善につながることが示唆された。
論文 参考訳（メタデータ） (2020-03-31T12:43:54Z)
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。