論文の概要: The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning

• arxiv url: http://arxiv.org/abs/2304.09914v4
• Date: Wed, 7 Aug 2024 08:20:43 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-08 18:33:27.203167
• Title: The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning
• Title（参考訳）: ポピュリズムの顔:機械学習を用いた政治指導者の感情表現の相違について
• Authors: Sara Major, Aleksandar Tomašević,
• Abstract要約: 私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
• 参考スコア（独自算出の注目度）: 50.24983453990065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Populist rhetoric employed on online media is characterized as deeply impassioned and often imbued with strong emotions. The aim of this paper is to empirically investigate the differences in affective nonverbal communication of political leaders. We use a deep-learning approach to process a sample of 220 YouTube videos of political leaders from 15 different countries, analyze their facial expressions of emotion and then examine differences in average emotion scores representing the relative presence of 6 emotional states (anger, disgust, fear, happiness, sadness, and surprise) and a neutral expression for each frame of the YouTube video. Based on a sample of manually coded images, we find that this deep-learning approach has 53-60\% agreement with human labels. We observe statistically significant differences in the average score of negative emotions between groups of leaders with varying degrees of populist rhetoric.
• Abstract（参考訳）: オンラインメディアで使用されるポピュリストのレトリックは、深く衝動的であり、しばしば強い感情に埋もれていると特徴付けられる。 本研究の目的は、政治的指導者の感情的非言語コミュニケーションの違いを実証的に調査することである。 深層学習の手法を用いて、15カ国の政治指導者の220本のYouTubeビデオを分析し、感情の表情を分析し、平均的な感情スコアの差を6つの感情状態(怒り、嫌悪感、恐怖、幸福、悲しみ、驚き)の相対的な存在と、YouTubeビデオのフレームごとに中立的な表現と比較する。 手動で符号化された画像のサンプルから、このディープラーニングアプローチは、人間のラベルと53-60\%の一致があることが分かる。 ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。

関連論文リスト

• Exploring Emotion Expression Recognition in Older Adults Interacting with a Virtual Coach [22.00225071959289]
  EMPATHICプロジェクトは、健康な高齢者が健康を改善し、自立した高齢化を促進することができる感情表現型バーチャルコーチを設計することを目的としている。 本稿では,仮想コーチの感情表現認識モジュールの開発について概説し,データ収集,アノテーション設計,第1の方法論的アプローチについて述べる。
  論文  参考訳（メタデータ） (2023-11-09T18:22:32Z)
• The Impact of Incumbent/Opposition Status and Ideological Similitude on Emotions in Political Manifestos [0.0]
  この研究は、2000年から2019年にかけてのイギリス保守労働党の総選挙宣言における感情関連言語の分析を含む。 その結果,既存の参加者は肯定的感情関連語の方が高い頻度を示し,否定的感情関連語は反対者の方が多いことがわかった。
  論文  参考訳（メタデータ） (2023-05-15T06:43:44Z)
• High-Level Context Representation for Emotion Recognition in Images [4.987022981158291]
  画像から高レベルな文脈表現を抽出する手法を提案する。 このモデルは、この表現と感情を関連付けるために、1つのキューと1つのエンコードストリームに依存している。 我々のアプローチは従来のモデルよりも効率的であり、感情認識に関連する現実の問題に対処するために容易に展開できる。
  論文  参考訳（メタデータ） (2023-05-05T13:20:41Z)
• Face Emotion Recognization Using Dataset Augmentation Based on Neural Network [0.0]
  表情は、人の感情や感情の最も外部的な表現の1つである。 対人関係の調整に重要な役割を果たしている。 感情分析の分野の一分野として、表情認識は幅広い応用可能性を提供する。
  論文  参考訳（メタデータ） (2022-10-23T10:21:45Z)
• 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)
• Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
  視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。 既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。 視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-25T02:20:03Z)
• 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)
• 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)

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。