Fugu-MT 論文翻訳(概要): Emotion and Sentiment Guided Paraphrasing

論文の概要: Emotion and Sentiment Guided Paraphrasing

arxiv url: http://arxiv.org/abs/2306.05556v1
Date: Thu, 8 Jun 2023 20:59:40 GMT
ステータス: 処理完了
システム内更新日: 2023-06-12 15:38:17.933332
Title: Emotion and Sentiment Guided Paraphrasing
Title（参考訳）: 感情と感情によるパラフレージング
Authors: Justin J. Xie and Ameeta Agrawal
Abstract要約: 感情の勾配に沿ってきめ細かな感情的言い回しを新たに導入する。入力テキストとターゲットテキストを微粒な感情ラベルで拡張することにより、広く使われているパラフレーズデータセットを再構築する。本研究では,条件付きテキスト生成のための事前学習言語モデルを活用することで,感情と感情を導出するフレームワークを提案する。
参考スコア（独自算出の注目度）: 3.5027291542274366
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Paraphrase generation, a.k.a. paraphrasing, is a common and important task in natural language processing. Emotional paraphrasing, which changes the emotion embodied in a piece of text while preserving its meaning, has many potential applications, including moderating online dialogues and preventing cyberbullying. We introduce a new task of fine-grained emotional paraphrasing along emotion gradients, that is, altering the emotional intensities of the paraphrases in fine-grained settings following smooth variations in affective dimensions while preserving the meaning of the original text. We reconstruct several widely used paraphrasing datasets by augmenting the input and target texts with their fine-grained emotion labels. Then, we propose a framework for emotion and sentiment guided paraphrasing by leveraging pre-trained language models for conditioned text generation. Extensive evaluation of the fine-tuned models suggests that including fine-grained emotion labels in the paraphrase task significantly improves the likelihood of obtaining high-quality paraphrases that reflect the desired emotions while achieving consistently better scores in paraphrase metrics such as BLEU, ROUGE, and METEOR.
Abstract（参考訳）: パラフレーズ生成(英: paraphrase generation)は、自然言語処理において一般的かつ重要なタスクである。感情の言い換えは、その意味を保ちながらテキストに具現化された感情を変えるもので、オンライン対話のモデレートやサイバーいじめの防止など、多くの潜在的な応用がある。そこで本研究では,感情の傾きに沿った微粒度の感情パラフラージングという新しい課題を紹介し,原文の意味を保ちながら,情動次元の滑らかな変化に追従した微粒度の感情の強さを変化させる。入力テキストとターゲットテキストを微粒な感情ラベルで拡張することにより、広く使われているパラフレーズデータセットを再構築する。そこで本稿では,条件付きテキスト生成のための事前学習言語モデルを活用することで,感情と感情を導いたパラフレッシングの枠組みを提案する。微調整モデルの広範囲な評価は、パラフレーズタスクに微粒な感情ラベルを含めることで、所望の感情を反映した高品質なパラフレーズを得る可能性を大幅に向上し、BLEU、ROUGE、METEORといったパラフレーズメトリクスのスコアを一貫して向上させることを示唆している。

関連論文リスト

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)
Fine-Grained Emotional Paraphrasing along Emotion Gradients [0.0]
感情の勾配に沿ってきめ細かな感情的言い回しを新たに導入する。マルチタスク・トレーニングによるテキスト・トゥ・テキスト・トランスフォーマーの微調整により,この問題に対処するフレームワークを提案する。
論文参考訳（メタデータ） (2022-10-30T05:38:22Z)
Experiencer-Specific Emotion and Appraisal Prediction [13.324006587838523]
NLPにおける感情分類は、文章や段落などの感情をテキストに割り当てる。イベントの経験に焦点を合わせ、各イベントに感情(もしあれば)を割り当てます。経験者の感情と評価のモデルが経験者に依存しないベースラインより優れています。
論文参考訳（メタデータ） (2022-10-21T16:04:27Z)
CEFER: A Four Facets Framework based on Context and Emotion embedded features for Implicit and Explicit Emotion Recognition [2.5137859989323537]
文レベルと単語レベルの両方でテキストを解析するフレームワークを提案する。 CEFER (Context and Emotion embedded Framework for Emotion Recognition) と呼ぶ。 CEFERは、暗黙の感情を含む各単語の感情ベクトルと、文脈に基づく各単語の特徴ベクトルを結合する。
論文参考訳（メタデータ） (2022-09-28T11:16:32Z)
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)
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)
Perspective-taking and Pragmatics for Generating Empathetic Responses Focused on Emotion Causes [50.569762345799354]
i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
論文参考訳（メタデータ） (2021-09-18T04:22:49Z)
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)
SpanEmo: Casting Multi-label Emotion Classification as Span-prediction [15.41237087996244]
マルチラベル感情分類をスパンプレディションとした新しいモデル「SpanEmo」を提案する。入力文中の複数の共存感情をモデル化することに焦点を当てた損失関数を導入する。 SemEval2018マルチラベル感情データを3つの言語セットで実験した結果,本手法の有効性が示された。
論文参考訳（メタデータ） (2021-01-25T12:11:04Z)
Target Guided Emotion Aware Chat Machine [58.8346820846765]
意味レベルと感情レベルにおける投稿に対する応答の整合性は、人間のような対話を提供する対話システムにとって不可欠である。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。
論文参考訳（メタデータ） (2020-11-15T01:55:37Z)
Challenges in Emotion Style Transfer: An Exploration with a Lexical Substitution Pipeline [16.3589458084367]
3つのステップに基づいて,透過的な感情伝達パイプラインを設計する。我々は、語彙置換がテキストの感情的負荷をどう変えるかを探る。実際、コンテンツと感情の同時調整は、目的と矛盾している。
論文参考訳（メタデータ） (2020-05-15T16:11:33Z)

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。