論文の概要: ArPanEmo: An Open-Source Dataset for Fine-Grained Emotion Recognition in
Arabic Online Content during COVID-19 Pandemic
- arxiv url: http://arxiv.org/abs/2305.17580v1
- Date: Sat, 27 May 2023 21:04:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 18:06:21.970033
- Title: ArPanEmo: An Open-Source Dataset for Fine-Grained Emotion Recognition in
Arabic Online Content during COVID-19 Pandemic
- Title（参考訳）: arpanemo:covid-19パンデミック時のアラビア語オンラインコンテンツにおけるきめ細かな感情認識のためのオープンソースのデータセット
- Authors: Maha Jarallah Althobaiti
- Abstract要約: 本稿では,アラビア語におけるオンライン投稿の微粒な感情認識のための新しいデータセットであるArPanEmoデータセットを提案する。
データセットは、10の感情カテゴリまたは中立性のために手動でラベル付けされた11,128のオンライン投稿で構成されており、Fleissのカッパは0.71である。
特定のアラビア語方言をターゲットとし、新型コロナウイルス(COVID-19)のパンデミックに関連する話題に対処する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Emotion recognition is a crucial task in Natural Language Processing (NLP)
that enables machines to comprehend the feelings conveyed in the text. The
applications of emotion recognition are diverse, including mental health
diagnosis, student support, and the detection of online suspicious behavior.
Despite the substantial amount of literature available on emotion recognition
in various languages, Arabic emotion recognition has received relatively little
attention, leading to a scarcity of emotion-annotated corpora. This paper
presents the ArPanEmo dataset, a novel dataset for fine-grained emotion
recognition of online posts in Arabic. The dataset comprises 11,128 online
posts manually labeled for ten emotion categories or neutral, with Fleiss'
kappa of 0.71. It targets a specific Arabic dialect and addresses topics
related to the COVID-19 pandemic, making it the first and largest of its kind.
Python's packages were utilized to collect online posts related to the COVID-19
pandemic from three sources: Twitter, YouTube, and online newspaper comments
between March 2020 and March 2022. Upon collection of the online posts, each
one underwent a semi-automatic classification process using a lexicon of
emotion-related terms to determine whether it belonged to the neutral or
emotional category. Subsequently, manual labeling was conducted to further
categorize the emotional data into fine-grained emotion categories.
- Abstract（参考訳）: 感情認識は自然言語処理(NLP)において重要なタスクであり、機械がテキストで伝達される感情を理解できるようにする。
感情認識の応用は、メンタルヘルス診断、学生支援、オンライン不審行動の検出など多岐にわたる。
様々な言語における感情認識に関する膨大な文献にもかかわらず、アラビア語の感情認識は比較的ほとんど関心を示さず、感情を付加したコーパスが不足している。
本稿では,アラビア語におけるオンライン投稿の微粒な感情認識のための新しいデータセットであるArPanEmoデータセットを提案する。
このデータセットは、10の感情カテゴリまたは中立性のために手動でラベル付けされた11,128のオンライン投稿で構成されており、fleiss' kappa は 0.71 である。
特定のアラビア語方言をターゲットとし、新型コロナウイルス(COVID-19)のパンデミックに関連する話題に対処する。
Pythonのパッケージは、2020年3月から2022年3月までの3つのソース、Twitter、YouTube、オンライン新聞コメントから、COVID-19パンデミックに関連するオンライン投稿の収集に使用された。
オンライン投稿を収集すると、各投稿は感情関連用語の語彙を用いて半自動分類を行い、中性カテゴリーか感情カテゴリーかを判定した。
その後、感情データをよりきめ細かい感情カテゴリーに分類するために手動ラベリングを行った。
関連論文リスト
- Improved Text Emotion Prediction Using Combined Valence and Arousal Ordinal Classification [37.823815777259036]
テキストから感情を分類する手法を導入し,様々な感情の相違点と相違点を認識・区別する。
提案手法は感情予測において高い精度を保ちながら,誤分類の場合の誤りの程度を著しく低減する。
論文 参考訳（メタデータ） (2024-04-02T10:06:30Z) - Emotion Rendering for Conversational Speech Synthesis with Heterogeneous
Graph-Based Context Modeling [50.99252242917458]
会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。
データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。
我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
論文 参考訳（メタデータ） (2023-12-19T08:47:50Z) - 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) - Emotion Recognition from Microblog Managing Emoticon with Text and
Classifying using 1D CNN [2.8961929092154692]
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。
論文 参考訳（メタデータ） (2023-01-08T04:04:44Z) - 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) - 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) - 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) - 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-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2021-06-06T06:26:15Z) - 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。