Fugu-MT 論文翻訳(概要): Improving Sentiment Analysis By Emotion Lexicon Approach on Vietnamese Texts

論文の概要: Improving Sentiment Analysis By Emotion Lexicon Approach on Vietnamese Texts

arxiv url: http://arxiv.org/abs/2210.02063v1
Date: Wed, 5 Oct 2022 07:34:07 GMT
ステータス: 処理完了
システム内更新日: 2022-10-06 13:52:13.556319
Title: Improving Sentiment Analysis By Emotion Lexicon Approach on Vietnamese Texts
Title（参考訳）: ベトナム語テキストに対する感情辞書アプローチによる感情分析の改善
Authors: An Long Doan, Son T. Luu
Abstract要約: テキストから感情を表す単語を見つけることで、感情分析タスクの分類モデルの性能を向上させることができる。実験の結果,感情辞書と分類モデルを組み合わせることで,モデルの性能が向上することがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: The sentiment analysis task has various applications in practice. In the sentiment analysis task, words and phrases that represent positive and negative emotions are important. Finding out the words that represent the emotion from the text can improve the performance of the classification models for the sentiment analysis task. In this paper, we propose a methodology that combines the emotion lexicon with the classification model for enhancing the accuracy of the models. Our experimental results show that the emotion lexicon combined with the classification model improves the performance of models.
Abstract（参考訳）: 感情分析タスクには様々な応用がある。感情分析タスクでは、ポジティブな感情やネガティブな感情を表す単語やフレーズが重要である。テキストから感情を表す単語を見つけることで、感情分析タスクの分類モデルの性能を向上させることができる。本稿では,感情レキシコンを分類モデルと組み合わせ,モデルの精度を高める手法を提案する。実験の結果,感情レキシコンと分類モデルの組み合わせにより,モデルの性能が向上することが示された。

関連論文リスト

Lexicon-Based Sentiment Analysis on Text Polarities with Evaluation of Classification Models [1.342834401139078]
本研究は,レキシコン法を用いて感情分析を行い,テキストデータを用いた分類モデルの評価を行った。語彙に基づく手法は、単語レベルでの感情と主観性の強さを識別する。この研究は、テキストが正、負、中立とラベル付けされているというマルチクラスの問題に基づいている。
論文参考訳（メタデータ） (2024-09-19T15:31:12Z)
Emotion and Sentiment Guided Paraphrasing [3.5027291542274366]
感情の勾配に沿ってきめ細かな感情的言い回しを新たに導入する。入力テキストとターゲットテキストを微粒な感情ラベルで拡張することにより、広く使われているパラフレーズデータセットを再構築する。本研究では,条件付きテキスト生成のための事前学習言語モデルを活用することで,感情と感情を導出するフレームワークを提案する。
論文参考訳（メタデータ） (2023-06-08T20:59:40Z)
Causal Intervention Improves Implicit Sentiment Analysis [67.43379729099121]
インスツルメンタル・バリアブル(ISAIV)を用いたインシシット・センシティメント分析のための因果介入モデルを提案する。まず、因果的視点から感情分析をレビューし、このタスクに存在する共同設立者を分析する。そこで本研究では,文章と感情の因果関係を解消し,純粋因果関係を抽出するインストゥルメンタル変数を提案する。
論文参考訳（メタデータ） (2022-08-19T13:17:57Z)
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)
Contrast and Generation Make BART a Good Dialogue Emotion Recognizer [38.18867570050835]
対話型感情認識において、話者依存との長期的文脈的感情関係が重要な役割を担っている。教師付きコントラスト学習を用いて、異なる感情を相互に排他的に区別し、類似した感情をよりよく識別する。我々は、文脈情報を扱うモデルの能力を高めるために補助応答生成タスクを利用する。
論文参考訳（メタデータ） (2021-12-21T13:38:00Z)
Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文参考訳（メタデータ） (2021-04-20T16:55:15Z)
Reinforcement Learning for Emotional Text-to-Speech Synthesis with Improved Emotion Discriminability [82.39099867188547]
感情的テキスト音声合成(ETTS)は近年大きく進歩している。 i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。 i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
論文参考訳（メタデータ） (2021-04-03T13:52:47Z)
Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
論文参考訳（メタデータ） (2021-03-01T08:31:08Z)
SpanEmo: Casting Multi-label Emotion Classification as Span-prediction [15.41237087996244]
マルチラベル感情分類をスパンプレディションとした新しいモデル「SpanEmo」を提案する。入力文中の複数の共存感情をモデル化することに焦点を当てた損失関数を導入する。 SemEval2018マルチラベル感情データを3つの言語セットで実験した結果,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-01-25T12:11:04Z)
Modality-Transferable Emotion Embeddings for Low-Resource Multimodal Emotion Recognition [55.44502358463217]
本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
論文参考訳（メタデータ） (2020-09-21T06:10:39Z)

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。