論文の概要: Anger Breeds Controversy: Analyzing Controversy and Emotions on Reddit
- arxiv url: http://arxiv.org/abs/2212.00339v1
- Date: Thu, 1 Dec 2022 07:57:54 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-02 16:41:35.646007
- Title: Anger Breeds Controversy: Analyzing Controversy and Emotions on Reddit
- Title(参考訳): Anger Breeds氏の議論:Redditでの議論と感情の分析
- Authors: Kai Chen, Zihao He, Rong-Ching Chang, Jonathan May, Kristina Lerman
- Abstract要約: 我々は、オンラインディスカッションフォーラムの人気のあるネットワークであるRedditで論争を調査する。
私たちは感情検出を使用して、怒り、恐怖、喜び、賞賛など、テキストからさまざまな感情を認識する。
- 参考スコア(独自算出の注目度): 25.395778771676024
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotions play an important role in interpersonal interactions and social
conflict, yet their function in the development of controversy and disagreement
in online conversations has not been explored. To address this gap, we study
controversy on Reddit, a popular network of online discussion forums. We
collect discussions from a wide variety of topical forums and use emotion
detection to recognize a range of emotions from text, including anger, fear,
joy, admiration, etc. Our study has three main findings. First, controversial
comments express more anger and less admiration, joy and optimism than
non-controversial comments. Second, controversial comments affect emotions of
downstream comments in a discussion, usually resulting in long-term increase in
anger and a decrease in positive emotions, although the magnitude and direction
of emotional change depends on the forum. Finally, we show that emotions help
better predict which comments will become controversial. Understanding
emotional dynamics of online discussions can help communities to better manage
conversations.
- Abstract(参考訳): 感情は対人関係や社会的対立において重要な役割を担っているが、議論の進展やオンライン会話における意見の相違は研究されていない。
このギャップに対処するために、オンラインディスカッションフォーラムの人気ネットワークであるRedditで論争を調査する。
我々は、さまざまなトピックのフォーラムから議論を集め、感情検出を使用して、怒り、恐怖、喜び、賞賛など、テキストから様々な感情を認識する。
私たちの研究には3つの主な発見がある。
まず、物議を醸すコメントは、議論を起こさないコメントよりも、怒りや賞賛、喜び、楽観的である。
第2に、議論中のダウンストリームのコメントの感情は議論の対象となり、通常は長期的な怒りの増加とポジティブな感情の減少をもたらすが、感情の変化の大きさと方向はフォーラムに依存する。
最後に、感情がどのコメントが議論を呼ぶかを予測するのに役立つことを示す。
オンライン議論の感情的ダイナミクスを理解することは、コミュニティが会話を管理するのに役立つ。
関連論文リスト
- CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳(メタデータ) (2024-01-31T11:30:24Z) - Public sentiment analysis and topic modeling regarding ChatGPT in mental
health on Reddit: Negative sentiments increase over time [9.874529201649192]
研究者らは、感情分析にはbert-base-multilingual-uncased-sentiment法、トピックモデリングにはBERTopicモデルを使用した。
その結果, 全体的, 否定的な感情が一般的であり, 肯定的な感情が続き, 中立的な感情が最も一般的でないことが判明した。
論文 参考訳(メタデータ) (2023-11-27T13:23:11Z) - 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) - 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) - 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) - Perspective-taking and Pragmatics for Generating Empathetic Responses
Focused on Emotion Causes [50.569762345799354]
i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。
社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
論文 参考訳(メタデータ) (2021-09-18T04:22:49Z) - Emotion Eliciting Machine: Emotion Eliciting Conversation Generation
based on Dual Generator [18.711852474600143]
ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。
この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。
EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
論文 参考訳(メタデータ) (2021-05-18T03:19:25Z) - Towards an Online Empathetic Chatbot with Emotion Causes [10.700455393948818]
共感反応に対するユーザの感情を誘発する原因を学習することが重要である。
オンライン環境で感情の原因を収集するために、カウンセリング戦略を活用する。
提案手法の有効性を,複数のSOTA法との比較により検証した。
論文 参考訳(メタデータ) (2021-05-11T02:52:46Z) - MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。
共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
論文 参考訳(メタデータ) (2020-10-04T00:35:47Z) - Emotion Correlation Mining Through Deep Learning Models on Natural
Language Text [3.23176099204268]
Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。
テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
論文 参考訳(メタデータ) (2020-07-28T08:59:16Z) - Measuring the Diversity of Facebook Reactions to Research [0.0]
クリックベースの反応を重み付けすることで,その理解度を高める方法を提案する。
我々は,LDAトピックモデルと統計検査とともに,ユーザの感情反応が別の科学的トピックとどのように異なるかを調べる。
Facebookの科学的研究には概して肯定的な反応があり、ポジティブな感情的な反応を生み出す記事が広く共有される傾向にある。
論文 参考訳(メタデータ) (2020-01-04T03:41:44Z)
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。