論文の概要: Guilt Detection in Text: A Step Towards Understanding Complex Emotions
- arxiv url: http://arxiv.org/abs/2303.03510v1
- Date: Mon, 6 Mar 2023 21:36:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 17:11:23.634740
- Title: Guilt Detection in Text: A Step Towards Understanding Complex Emotions
- Title（参考訳）: テキストにおける罪悪感検出: 複雑な感情理解への一歩
- Authors: Abdul Gafar Manuel Meque, Nisar Hussain, Grigori Sidorov, and
Alexander Gelbukh
- Abstract要約: ギルト検出と呼ばれる新しい自然言語処理タスクを導入する。
我々は、罪悪感を、これまでNLPで研究されていない複雑で致命的な感情とみなす。
罪状検出のための公開コーパスの欠如に対処するため,4622テキストを含むデータセットであるVICを開発した。
- 参考スコア（独自算出の注目度）: 58.720142291102135
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce a novel Natural Language Processing (NLP) task called Guilt
detection, which focuses on detecting guilt in text. We identify guilt as a
complex and vital emotion that has not been previously studied in NLP, and we
aim to provide a more fine-grained analysis of it. To address the lack of
publicly available corpora for guilt detection, we created VIC, a dataset
containing 4622 texts from three existing emotion detection datasets that we
binarized into guilt and no-guilt classes. We experimented with traditional
machine learning methods using bag-of-words and term frequency-inverse document
frequency features, achieving a 72% f1 score with the highest-performing model.
Our study provides a first step towards understanding guilt in text and opens
the door for future research in this area.
- Abstract（参考訳）: 我々は,テキスト中の罪を検知することに焦点を当てた,ギルト検出と呼ばれる新しい自然言語処理(NLP)タスクを導入する。
我々は、罪悪感を、これまでNLPで研究されていない複雑で重要な感情であると認識し、よりきめ細かい分析を行うことを目指している。
VICは既存の3つの感情検出データセットから4622のテキストを含むデータセットで、罪悪感と罪悪感のクラスに二項化したものです。
従来の機械学習手法であるbaba-of-wordsと用語周波数逆文書頻度特徴を用いた実験を行い,最高性能モデルを用いて72%のf1スコアを得た。
本研究は,テキストにおける罪悪感の理解への第一歩として,今後の研究への扉を開くものである。
関連論文リスト
- Towards a Generative Approach for Emotion Detection and Reasoning [0.7366405857677227]
大規模言語モデルを用いたゼロショット感情検出と感情推論のための新しいアプローチを提案する。
本論文は,テキストに対する感情検出と感情推論の課題に共同で対処するための生成的アプローチを用いた最初の研究である。
論文 参考訳（メタデータ） (2024-08-09T07:20:15Z) - Detecting Machine-Generated Texts: Not Just "AI vs Humans" and Explainability is Complicated [8.77447722226144]
そこで本研究では,新たな3次テキスト分類手法を導入し,いずれの情報源にも起因する可能性のあるテキストの「未決定」カテゴリを追加する。
この研究は、単に分類から機械が生成したテキストの説明へとパラダイムをシフトさせ、ユーザーに対して明確で理解可能な説明を提供するための検出器の必要性を強調した。
論文 参考訳（メタデータ） (2024-06-26T11:11:47Z) - Leveraging the power of transformers for guilt detection in text [50.65526700061155]
本研究は,テキスト中の罪悪感を検出するための3つのトランスフォーマーベース言語モデルの適用性について検討する。
提案モデルでは,BERTとRoBERTaをそれぞれ2点,RoBERTaを1点で比較した。
論文 参考訳（メタデータ） (2024-01-15T01:40:39Z) - Assaying on the Robustness of Zero-Shot Machine-Generated Text Detectors [57.7003399760813]
先進的なLarge Language Models (LLMs) とその特殊な変種を探索し、いくつかの方法でこの分野に寄与する。
トピックと検出性能の間に有意な相関関係が発見された。
これらの調査は、様々なトピックにまたがるこれらの検出手法の適応性と堅牢性に光を当てた。
論文 参考訳（メタデータ） (2023-12-20T10:53:53Z) - DEMASQ: Unmasking the ChatGPT Wordsmith [63.8746084667206]
そこで本研究では,ChatGPT生成内容を正確に識別する効果的なChatGPT検出器DEMASQを提案する。
提案手法は, 人為的, 機械的, 人為的, 人為的, 機械的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人為的, 人
論文 参考訳（メタデータ） (2023-11-08T21:13:05Z) - Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。
Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
論文 参考訳（メタデータ） (2023-06-02T11:07:13Z) - Can AI-Generated Text be Reliably Detected? [54.670136179857344]
LLMの規制されていない使用は、盗作、偽ニュースの生成、スパムなど、悪意のある結果をもたらす可能性がある。
最近の研究は、生成されたテキスト出力に存在する特定のモデルシグネチャを使用するか、透かし技術を適用してこの問題に対処しようとしている。
本稿では,これらの検出器は実用シナリオにおいて信頼性が低いことを示す。
論文 参考訳（メタデータ） (2023-03-17T17:53:19Z) - A Semantic Approach to Negation Detection and Word Disambiguation with
Natural Language Processing [1.0499611180329804]
本研究の目的は,テキストの語彙構造を一意に評価することで文中の否定を検出する方法を示すことである。
提案手法は,文の文脈的利用を解決するために,テキスト内の関連表現の特徴を全て検討する。
論文 参考訳（メタデータ） (2023-02-05T03:58:45Z) - Leveraging Sentiment Analysis Knowledge to Solve Emotion Detection Tasks [11.928873764689458]
本稿では,大規模データセット上での感情検出タスクを改善するために,適応層を融合したトランスフォーマーモデルを提案する。
また,CMU-MOSEIの感情認識には,テキストモダリティのみを用いながら,最先端の結果が得られた。
論文 参考訳（メタデータ） (2021-11-05T20:06:58Z)
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。