論文の概要: Experiencer-Specific Emotion and Appraisal Prediction

• arxiv url: http://arxiv.org/abs/2210.12078v1
• Date: Fri, 21 Oct 2022 16:04:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-24 15:03:03.598398
• Title: Experiencer-Specific Emotion and Appraisal Prediction
• Title（参考訳）: 体験者の感情と評価予測
• Authors: Maximilian Wegge and Enrica Troiano and Laura Oberl\"ander and Roman Klinger
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 13.324006587838523
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emotion classification in NLP assigns emotions to texts, such as sentences or paragraphs. With texts like "I felt guilty when he cried", focusing on the sentence level disregards the standpoint of each participant in the situation: the writer ("I") and the other entity ("he") could in fact have different affective states. The emotions of different entities have been considered only partially in emotion semantic role labeling, a task that relates semantic roles to emotion cue words. Proposing a related task, we narrow the focus on the experiencers of events, and assign an emotion (if any holds) to each of them. To this end, we represent each emotion both categorically and with appraisal variables, as a psychological access to explaining why a person develops a particular emotion. On an event description corpus, our experiencer-aware models of emotions and appraisals outperform the experiencer-agnostic baselines, showing that disregarding event participants is an oversimplification for the emotion detection task.
• Abstract（参考訳）: 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。 彼が泣いたときに罪悪感を感じた」といったテキストでは、文章レベルでは、状況における各参加者の立場を無視している: 作家(i)と他の実体(he)は、実際には異なる情緒的状態を持つ可能性がある。 異なる実体の感情は、感情的役割を感情的キュー語に関連付けるタスクである感情意味的役割ラベリングにおいてのみ考慮されてきた。 関連するタスクを提供して、イベントの経験者に焦点を絞り、それぞれに感情(もしあれば)を割り当てます。 この目的のために、我々は各感情を分類的および評価変数の両方で表現し、ある人が特定の感情を発達させる理由を説明する心理的アクセスとして表現する。 イベント記述コーパスでは,経験者の感情と評価のモデルが経験者非依存のベースラインより優れており,イベント参加者を無視することが感情検出タスクの過度な単純化であることを示す。

関連論文リスト

• 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)
• Automatic Emotion Experiencer Recognition [12.447379545167642]
  テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。 テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。
  論文  参考訳（メタデータ） (2023-05-26T08:33:28Z)
• 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)
• Dimensional Modeling of Emotions in Text with Appraisal Theories: Corpus Creation, Annotation Reliability, and Prediction [14.555520007106656]
  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。
  論文  参考訳（メタデータ） (2022-06-10T17:20:17Z)
• 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)
• 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)
• 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 Carrier Recognition from Personal Narratives [74.24768079275222]
  パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。 感情キャリア認識(ECR)のための新しい課題を提案する。
  論文  参考訳（メタデータ） (2020-08-17T17:16:08Z)
• Annotation of Emotion Carriers in Personal Narratives [69.07034604580214]
  我々は、個人的物語(PN) - 話されたり書かれたり - 事実、出来事、思考の記憶 - を理解する問題に興味を持っている。 PNでは、感情担体(英: emotion carriers)は、ユーザの感情状態を最もよく説明する音声またはテキストセグメントである。 本研究は,音声対話における感情担持者を特定するためのアノテーションモデルを提案し,評価する。
  論文  参考訳（メタデータ） (2020-02-27T15:42:39Z)

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。

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。