論文の概要: Emotion Recognition from Microblog Managing Emoticon with Text and Classifying using 1D CNN

• arxiv url: http://arxiv.org/abs/2301.02971v1
• Date: Sun, 8 Jan 2023 04:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-10 17:37:07.043642
• Title: Emotion Recognition from Microblog Managing Emoticon with Text and Classifying using 1D CNN
• Title（参考訳）: 1D CNNを用いたテキストと分類によるマイクロブログ管理エモティコンからの感情認識
• Authors: Md. Ahsan Habib, M. A. H. Akhand and Md. Abdus Samad Kamal
• Abstract要約: 本研究では,マイクロブログデータからテキストとエモティコンの両方を考慮した感情認識手法を提案する。 エモティコンはユーザの感情のユニークな表現と考えられており、適切な感情的な言葉によって変化することができる。 実験の結果,提案手法は,Twitterデータ上でテストしながら,既存の方法よりも優れていた。
• 参考スコア（独自算出の注目度）: 2.8961929092154692
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Microblog, an online-based broadcast medium, is a widely used forum for people to share their thoughts and opinions. Recently, Emotion Recognition (ER) from microblogs is an inspiring research topic in diverse areas. In the machine learning domain, automatic emotion recognition from microblogs is a challenging task, especially, for better outcomes considering diverse content. Emoticon becomes very common in the text of microblogs as it reinforces the meaning of content. This study proposes an emotion recognition scheme considering both the texts and emoticons from microblog data. Emoticons are considered unique expressions of the users' emotions and can be changed by the proper emotional words. The succession of emoticons appearing in the microblog data is preserved and a 1D Convolutional Neural Network (CNN) is employed for emotion classification. The experimental result shows that the proposed emotion recognition scheme outperforms the other existing methods while tested on Twitter data.
• Abstract（参考訳）: オンラインのブロードキャストメディアであるmicroblogは、人々が自分の考えや意見を共有するために広く使われているフォーラムである。 近年,マイクロブログからの感情認識 (er) は,様々な分野の研究課題となっている。 機械学習の領域では、マイクロブログからの感情の自動認識は、特に多様なコンテンツを考慮したより良い結果のために難しい課題である。 emoticonは、コンテンツの意味を強化するため、マイクロブログのテキストで非常に一般的になる。 本研究では,マイクロブログデータからテキストとエモティコンの両方を考慮した感情認識手法を提案する。 エモティコンは、ユーザの感情のユニークな表現と見なされ、適切な感情的な言葉によって変化する。 マイクロブログデータに現れるエモティコンの継承を保存し、1次元畳み込みニューラルネットワーク(CNN)を用いて感情分類を行う。 実験の結果,提案手法は,Twitterデータ上でテストしながら既存の方法よりも優れていた。

関連論文リスト

• emotion2vec: Self-Supervised Pre-Training for Speech Emotion Representation [42.29118614670941]
  普遍的な音声感情表現モデルである感情2vecを提案する。 感情2vecは自己監督型オンライン蒸留を通じてラベルなしの感情データに基づいて事前訓練される。 最先端の訓練済みユニバーサルモデルや感情スペシャリストモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-23T07:46:55Z)
• 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)
• 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)
• MAFW: A Large-scale, Multi-modal, Compound Affective Database for Dynamic Facial Expression Recognition in the Wild [56.61912265155151]
  大規模複合感情データベースMAFWを提案する。 各クリップには、複雑な感情カテゴリーと、クリップ内の被験者の感情行動を記述する2つの文が注釈付けされている。 複合感情のアノテーションでは、それぞれのクリップは、怒り、嫌悪感、恐怖、幸福、中立、悲しみ、驚き、軽蔑、不安、無力感、失望など、広く使われている11の感情のうちの1つ以上に分類される。
  論文  参考訳（メタデータ） (2022-08-01T13:34:33Z)
• 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)
• Emoji-based Co-attention Network for Microblog Sentiment Analysis [10.135289472491655]
  マイクロブログ上でのテキストと絵文字間の相互感情的意味を学習する絵文字に基づくコアテンションネットワークを提案する。 本モデルは、テキストと絵文字を組み込んだ双方向の長期記憶に基づくコアテンション機構を採用し、畳み込みニューラルネットワークにシャープ・アンド・エキサイティングブロックを統合し、感情的な意味的特徴に対する感度を高める。
  論文  参考訳（メタデータ） (2021-10-27T07:23:18Z)
• Uncovering the Limits of Text-based Emotion Detection [0.0]
  感情分類のための最大のコーパスは、GoEmotions、読者によってラベル付けされた58Kメッセージ、Vent、ライターがラベル付けされた33Mメッセージである。 我々はベンチマークを設計し、BERT上に2つのシンプルな新しいモデルを含むいくつかの特徴空間と学習アルゴリズムを評価する。
  論文  参考訳（メタデータ） (2021-09-04T16:40:06Z)
• 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)
• 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 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)
• PO-EMO: Conceptualization, Annotation, and Modeling of Aesthetic Emotions in German and English Poetry [26.172030802168752]
  我々は、詩の中の感情を、文章で表現されるものや著者が意図するものよりも、読者に誘惑されるものとして考える。 我々は,読者の審美的評価を予測可能な審美感情の集合を概念化し,各行に複数ラベルの注釈を付けることで,その文脈内での混合感情を捉えることができる。
  論文  参考訳（メタデータ） (2020-03-17T13:54:48Z)

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。