論文の概要: Applications and Challenges of Sentiment Analysis in Real-life Scenarios

• arxiv url: http://arxiv.org/abs/2301.09912v1
• Date: Tue, 24 Jan 2023 10:49:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-25 13:50:56.468797
• Title: Applications and Challenges of Sentiment Analysis in Real-life Scenarios
• Title（参考訳）: 実生活シナリオにおける感性分析の応用と課題
• Authors: Diptesh Kanojia, Aditya Joshi
• Abstract要約: この章では、実際のシナリオにおけるこれらの応用と関連する課題について説明する。 これは、NLP研究者に、SAの応用の「何」、「なぜ」、そして「どのように」を割り当てることを意図している。
• 参考スコア（独自算出の注目度）: 10.279906257563876
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Sentiment analysis has benefited from the availability of lexicons and benchmark datasets created over decades of research. However, its applications to the real world are a driving force for research in SA. This chapter describes some of these applications and related challenges in real-life scenarios. In this chapter, we focus on five applications of SA: health, social policy, e-commerce, digital humanities and other areas of NLP. This chapter is intended to equip an NLP researcher with the `what', `why' and `how' of applications of SA: what is the application about, why it is important and challenging and how current research in SA deals with the application. We note that, while the use of deep learning techniques is a popular paradigm that spans these applications, challenges around privacy and selection bias of datasets is a recurring theme across several applications.
• Abstract（参考訳）: 知覚分析は、数十年にわたる研究で作成されたレキシコンとベンチマークデータセットの可用性の恩恵を受けている。 しかし、現実の世界への応用は、saの研究の原動力となっている。 この章では、実際のシナリオにおけるこれらの応用と関連する課題について記述する。 本章では、保健、社会政策、電子商取引、デジタル人文科学、その他のNLP分野の5つの応用に焦点を当てる。 この章は、nlp研究者に、saのアプリケーションの‘what’、‘why’、‘how’を装備することを目的としている: アプリケーションとは何か、なぜそれが重要で難しいのか、そして、saにおける現在の研究がアプリケーションをどのように扱っているのか。 ディープラーニング技術は、これらのアプリケーションにまたがる一般的なパラダイムであるが、データセットのプライバシと選択バイアスに関する課題は、複数のアプリケーションにわたる繰り返しのテーマである。

関連論文リスト

• Knowledge Graph Induction enabling Recommending and Trend Analysis: A Corporate Research Community Use Case [11.907821975089064]
  本稿では,企業研究コミュニティであるIBM ResearchがセマンティックWeb技術を用いて,統一知識グラフを創出する事例を紹介する。 誘導された知識を活用するための共通パターンのセットを特定し、それらをAPIとして公開する。 これらのパターンは、最も価値のあるユースケースや、緩和すべきユーザの痛点を特定するユーザ調査から生まれました。
  論文  参考訳（メタデータ） (2022-07-11T20:51:28Z)
• A Comprehensive Review of Visual-Textual Sentiment Analysis from Social Media Networks [3.8137985834223507]
  ソーシャルメディアネットワークは人々の生活の重要な側面となり、彼らの考え、意見、感情のプラットフォームとして機能している。 これらの感情を分析することで、ブランド評価、YouTubeの映画レビュー、ヘルスケアアプリケーションなど、さまざまな応用が明らかになった。 本研究では、ソーシャルメディア上に投稿された視覚的・テキスト的データを調査するマルチモーダル感情分析の分野に焦点を当てた。
  論文  参考訳（メタデータ） (2022-07-05T16:28:47Z)
• A Survey of Research on Fair Recommender Systems [119.67643184567623]
  推薦システムにおける公正性の研究はいまだ発展途上であることを示す。 全体として、最近の研究成果の分析は、ある研究のギャップを示している。
  論文  参考訳（メタデータ） (2022-05-23T08:34:25Z)
• Individual Explanations in Machine Learning Models: A Case Study on Poverty Estimation [63.18666008322476]
  機械学習の手法は、敏感な社会的文脈でますます適用されつつある。 本研究の主な目的は2つある。 まず、これらの課題を公開し、関連性のある新しい説明方法の使用にどのように影響するか。 次に、関連するアプリケーションドメインで説明メソッドを実装する際に直面するような課題を軽減する一連の戦略を提示します。
  論文  参考訳（メタデータ） (2021-04-09T01:54:58Z)
• Machine Learning Towards Intelligent Systems: Applications, Challenges, and Opportunities [8.68311678910946]
  機械学習(ML)は、人間が大量のデータを処理するためのメカニズムを提供する。 このレビューは教育、医療、ネットワークセキュリティ、銀行と金融、ソーシャルメディアといった分野と応用に焦点を当てている。
  論文  参考訳（メタデータ） (2021-01-11T01:32:15Z)
• A Review of Uncertainty Quantification in Deep Learning: Techniques, Applications and Challenges [76.20963684020145]
  不確実性定量化(UQ)は、最適化と意思決定プロセスの両方において不確実性の低減に重要な役割を果たしている。 ビザレ近似とアンサンブル学習技術は、文学において最も広く使われている2つのUQ手法である。 本研究は, 深層学習におけるUQ手法の最近の進歩を概観し, 強化学習におけるこれらの手法の適用について検討する。
  論文  参考訳（メタデータ） (2020-11-12T06:41:05Z)
• Explainable Machine Learning for Public Policy: Use Cases, Gaps, and Research Directions [6.68777133358979]
  公共政策問題における説明可能性利用事例の分類法を開発する。 我々は、説明のエンドユーザーを定義し、説明可能性の具体的目標を満たさなければならない。 既存の作業をこれらのユースケースにマッピングし、ギャップを特定し、それらのギャップを埋めるための研究の方向性を提案します。
  論文  参考訳（メタデータ） (2020-10-27T15:37:00Z)
• Survey on the Analysis and Modeling of Visual Kinship: A Decade in the Making [66.72253432908693]
  親和性認識は多くの実践的応用において難しい問題である。 我々は、多くの人にその見解を刺激した公開リソースとデータ課題についてレビューする。 10周年記念には、さまざまなkinベースのタスクのためのデモコードが用意されている。
  論文  参考訳（メタデータ） (2020-06-29T13:25:45Z)
• Sentiment Analysis Based on Deep Learning: A Comparative Study [69.09570726777817]
  世論の研究は我々に貴重な情報を提供することができる。 感情分析の効率性と正確性は、自然言語処理で直面する課題によって妨げられている。 本稿では、感情分析の問題を解決するためにディープラーニングを用いた最新の研究をレビューする。
  論文  参考訳（メタデータ） (2020-06-05T16:28:10Z)
• The Four Dimensions of Social Network Analysis: An Overview of Research Methods, Applications, and Software Tools [11.930224868773468]
  ソーシャル・ネットワーク・アナリティクス(SNA)に関する最新の文献レビューを行う。 SNAにおける4つの重要な特徴(または次元)に基づいた新しいメトリクスセットを提案する。
  論文  参考訳（メタデータ） (2020-02-21T16:11:47Z)
• Deep Learning for Sensor-based Human Activity Recognition: Overview, Challenges and Opportunities [52.59080024266596]
  本稿では,センサを用いた人間の活動認識のための最先端のディープラーニング手法について調査する。 まず、官能データのマルチモーダリティを導入し、公開データセットに情報を提供する。 次に、課題によって深層メソッドを構築するための新しい分類法を提案する。
  論文  参考訳（メタデータ） (2020-01-21T09:55:59Z)

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。