論文の概要: Recognition of Mental Adjectives in An Efficient and Automatic Style

• arxiv url: http://arxiv.org/abs/2307.11767v1
• Date: Sun, 16 Jul 2023 01:27:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-30 04:16:49.059715
• Title: Recognition of Mental Adjectives in An Efficient and Automatic Style
• Title（参考訳）: 効率的かつ自動的な形容詞の認識
• Authors: Fei Yang
• Abstract要約: 精神的な言葉は、感情、必要、知覚、推論、計画、パーソナリティの6つのカテゴリに分類される。 物理的な言葉は、色、硬さ、速度、可鍛性などの物体の物理的特性を記述する。 このタスクのためにBERTモデルを微調整し、トレーニングフレームワークにアクティブラーニングアルゴリズムを採用して、必要なアノテーションリソースを削減する。
• 参考スコア（独自算出の注目度）: 3.9160947065896803
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, commonsense reasoning has received more and more attention from academic community. We propose a new lexical inference task, Mental and Physical Classification (MPC), to handle commonsense reasoning in a reasoning graph. Mental words relate to mental activities, which fall into six categories: Emotion, Need, Perceiving, Reasoning, Planning and Personality. Physical words describe physical attributes of an object, like color, hardness, speed and malleability. A BERT model is fine-tuned for this task and active learning algorithm is adopted in the training framework to reduce the required annotation resources. The model using ENTROPY strategy achieves satisfactory accuracy and requires only about 300 labeled words. We also compare our result with SentiWordNet to check the difference between MPC and subjectivity classification task in sentiment analysis.
• Abstract（参考訳）: 近年、コモンセンス推論は学術界からますます注目を集めている。 本稿では,コモンセンス推論を推論グラフで扱うために,新たな語彙推論タスクであるメンタル・物理分類(MPC)を提案する。 メンタルワードは、感情、ニーズ、知覚、推論、計画、パーソナリティの6つのカテゴリに分類される精神活動に関係している。 物理的な言葉は、色、硬さ、速度、可鍛性などの物体の物理的特性を記述する。 このタスクのためにBERTモデルを微調整し、トレーニングフレームワークにアクティブラーニングアルゴリズムを採用し、必要なアノテーションリソースを削減する。 ENTROPY戦略を用いたモデルは良好な精度を実現し,約300のラベル付き単語を必要とする。 また,sentiwordnetとの比較を行い,感情分析におけるmpcと主観性分類タスクの違いについて検討した。

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)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
  SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
  論文  参考訳（メタデータ） (2022-10-18T12:25:29Z)
• 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)
• Accurate Emotion Strength Assessment for Seen and Unseen Speech Based on Data-Driven Deep Learning [70.30713251031052]
  本研究では,データ駆動型深層学習モデル,すなわちSenseNetを提案する。 実験の結果,提案した強度ネットの予測感情強度は,目視と目視の両方の真理値と高い相関性を示した。
  論文  参考訳（メタデータ） (2022-06-15T01:25:32Z)
• 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)
• A Weak Supervised Dataset of Fine-Grained Emotions in Portuguese [0.0]
  本研究は,ポルトガル語の微粒な感情に対する語彙に基づく弱教師付きコーパスを作成するためのアプローチについて述べる。 その結果,低資源環境における初期作業の適切な戦略として,語彙に基づく弱監督が示唆された。
  論文  参考訳（メタデータ） (2021-08-17T14:08:23Z)
• Structured Self-Attention Weights Encode Semantics in Sentiment Analysis [13.474141732019099]
  感情分析タスクを考慮し,意味論をコード化する自己注意スコアを示す。 構造化された注意重みを解析するための簡易かつ効果的な注意追跡法を提案する。 この結果から,構造化された注意重みは感情分析におけるリッチな意味論を符号化し,人間による意味論の解釈と一致することがわかった。
  論文  参考訳（メタデータ） (2020-10-10T06:49:25Z)
• Language Models as Emotional Classifiers for Textual Conversations [3.04585143845864]
  本稿では,会話中の感情を分類する新しい手法を提案する。 提案手法のバックボーンには,事前学習型言語モデル (LM) がある。 提案手法をIEMOCAPとFriendsデータセットに適用する。
  論文  参考訳（メタデータ） (2020-08-27T20:04:30Z)
• A SentiWordNet Strategy for Curriculum Learning in Sentiment Analysis [7.562843347215284]
  カリキュラム学習(英: Curriculum Learning, CL)とは、トレーニングセットの学習が、サンプルが簡単から難易度までの範囲で順序づけられたり順序付けられたりする考え方である。 本稿では,SentiWordNetが推進するカリキュラム学習の考え方を感情分析に応用する。
  論文  参考訳（メタデータ） (2020-05-10T18:50:40Z)

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。