論文の概要: Overview of Memotion 3: Sentiment and Emotion Analysis of Codemixed Hinglish Memes

• arxiv url: http://arxiv.org/abs/2309.06517v1
• Date: Tue, 12 Sep 2023 18:47:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 16:40:36.808702
• Title: Overview of Memotion 3: Sentiment and Emotion Analysis of Codemixed Hinglish Memes
• Title（参考訳）: memotion 3の概要 : コード混合hinglishミームの感情分析と感情分析
• Authors: Shreyash Mishra, S Suryavardan, Megha Chakraborty, Parth Patwa, Anku Rani, Aman Chadha, Aishwarya Reganti, Amitava Das, Amit Sheth, Manoj Chinnakotla, Asif Ekbal and Srijan Kumar
• Abstract要約: 本稿では,AAAI-23のDeFactify 2ワークショップの一環として,Memotion 3共有タスクの概要を紹介する。 タスクA(Task A)、感情B(Task B)、感情強度(Task C)に基づくヒンディー語コード混合ミームの注釈付きデータセットをリリースした。 50以上のチームが共有タスクに登録され、5チームがMemotion 3データセットのテストセットに最終提出を行った。
• 参考スコア（独自算出の注目度）: 36.34201719103715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Analyzing memes on the internet has emerged as a crucial endeavor due to the impact this multi-modal form of content wields in shaping online discourse. Memes have become a powerful tool for expressing emotions and sentiments, possibly even spreading hate and misinformation, through humor and sarcasm. In this paper, we present the overview of the Memotion 3 shared task, as part of the DeFactify 2 workshop at AAAI-23. The task released an annotated dataset of Hindi-English code-mixed memes based on their Sentiment (Task A), Emotion (Task B), and Emotion intensity (Task C). Each of these is defined as an individual task and the participants are ranked separately for each task. Over 50 teams registered for the shared task and 5 made final submissions to the test set of the Memotion 3 dataset. CLIP, BERT modifications, ViT etc. were the most popular models among the participants along with approaches such as Student-Teacher model, Fusion, and Ensembling. The best final F1 score for Task A is 34.41, Task B is 79.77 and Task C is 59.82.
• Abstract（参考訳）: インターネット上でのミームの分析は、このマルチモーダルな形のコンテンツがオンライン談話の形成に影響を及ぼすため、重要な取り組みとして現れてきた。 ミームは感情や感情を表現し、ユーモアや皮肉を通じて憎しみや誤報を広める強力なツールになっている。 本稿では,AAAI-23におけるDeFactify 2ワークショップの一環として,Memotion 3共有タスクの概要を紹介する。 タスクA(Task A)、感情B(Task B)、感情強度(Task C)に基づいて、ヒンディー語と英語のコード混合ミームの注釈付きデータセットをリリースした。 これらはそれぞれ個別のタスクとして定義され、参加者は各タスクごとに別々にランク付けされる。 50以上のチームが共有タスクに登録し、5つがmemotion 3データセットのテストセットに最終提出を行った。 CLIP、BERT修正、ViTなどは学生-教師モデル、Fusion、Ensemblingといったアプローチとともに参加者の間で最も人気のあるモデルであった。 AタスクのF1スコアは34.41、Bタスクは79.77、Cタスクは59.82である。

関連論文リスト

• Emotion-LLaMA: Multimodal Emotion Recognition and Reasoning with Instruction Tuning [55.127202990679976]
  28,618粒の粗粒と4,487粒の細粒のアノテートサンプルを含むMERRデータセットを導入した。 このデータセットは、さまざまなシナリオから学習し、現実のアプリケーションに一般化することを可能にする。 本研究では,感情特異的エンコーダによる音声,視覚,テキスト入力をシームレスに統合するモデルであるEmotion-LLaMAを提案する。
  論文  参考訳（メタデータ） (2024-06-17T03:01:22Z)
• SemEval-2024 Task 3: Multimodal Emotion Cause Analysis in Conversations [53.60993109543582]
  SemEval-2024 Task 3 "Multimodal Emotion Cause Analysis in Conversations" は、会話からすべての感情とそれに対応する原因を抽出することを目的としている。 異なるモダリティ設定の下では、2つのサブタスクから構成される: 会話におけるテキスト感情因果ペア抽出(TECPE)と会話におけるマルチモーダル感情因果ペア抽出(MECPE)である。 本稿では,タスク,データセット,評価設定について紹介し,トップチームのシステムを要約し,参加者の知見について議論する。
  論文  参考訳（メタデータ） (2024-05-19T09:59:00Z)
• SemEval 2024 -- Task 10: Emotion Discovery and Reasoning its Flip in Conversation (EDiReF) [61.49972925493912]
  SemEval-2024 Task 10は、コードミキシングされた対話における感情の識別に焦点を当てた共有タスクである。 このタスクは3つの異なるサブタスクから構成される - コードミックス対話のための会話における感情認識、コードミックス対話のための感情フリップ推論、および英語対話のための感情フリップ推論である。 このタスクには84人の参加者が参加し、各サブタスクのF1スコアは0.70、0.79、0.76に達した。
  論文  参考訳（メタデータ） (2024-02-29T08:20:06Z)
• Multitask Multimodal Prompted Training for Interactive Embodied Task Completion [48.69347134411864]
  Embodied MultiModal Agent (EMMA) はエンコーダとデコーダの統一モデルである。 すべてのタスクをテキスト生成として統一することで、EMMAはタスク間の転送を容易にするアクション言語を学ぶ。
  論文  参考訳（メタデータ） (2023-11-07T15:27:52Z)
• NYCU-TWO at Memotion 3: Good Foundation, Good Teacher, then you have Good Meme Analysis [4.361904115604854]
  本稿では,Memotion 3.0共有タスクに対する堅牢なソリューションを提案する。 このタスクの目的は、ミームによって表現される感情とそれに対応する強度を分類することである。 与えられたミームのマルチモーダル機能を理解することが、タスクの解決の鍵となるでしょう。
  論文  参考訳（メタデータ） (2023-02-13T03:25:37Z)
• Optimize_Prime@DravidianLangTech-ACL2022: Emotion Analysis in Tamil [1.0066310107046081]
  本稿では,タミル語におけるソーシャルメディアコメントの感情分析を行うことを目的とする。 このタスクは、ソーシャルメディアのコメントを、Joy、Anger、Trust、Disgustなどの感情のカテゴリに分類することを目的としている。
  論文  参考訳（メタデータ） (2022-04-19T18:47:18Z)
• A Novel Multi-Task Learning Method for Symbolic Music Emotion Recognition [76.65908232134203]
  Symbolic Music Emotion Recognition(SMER)は、MIDIやMusicXMLなどのシンボリックデータから音楽の感情を予測すること。 本稿では、感情認識タスクを他の感情関連補助タスクに組み込む、SMERのためのシンプルなマルチタスクフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-15T07:45:10Z)
• Exercise? I thought you said 'Extra Fries': Leveraging Sentence Demarcations and Multi-hop Attention for Meme Affect Analysis [18.23523076710257]
  MHA-MEMEと呼ばれるマルチホップアテンションベースのディープニューラルネットワークフレームワークを提案する。 その主な目的は、視覚モダリティ(画像)と様々なテキストセグメント間の空間領域対応を利用して、分類のためのきめ細かい特徴表現を抽出することである。 MHA-MEMEを3つのサブタスク(感情分類、影響分類、クラス定量化)すべてに対して'Memotion Analysis'データセット上で評価する。
  論文  参考訳（メタデータ） (2021-03-23T08:21:37Z)
• DSC IIT-ISM at SemEval-2020 Task 8: Bi-Fusion Techniques for Deep Meme Emotion Analysis [5.259920715958942]
  本稿では,SemEval 2020における感情分析共有タスクについて述べる。 本稿では,感情とユーモアの分類タスクに対するモーダル間の依存性を平均化するバイモーダル融合技術を用いたシステムを提案する。
  論文  参考訳（メタデータ） (2020-07-28T17:23:35Z)
• IITK at SemEval-2020 Task 8: Unimodal and Bimodal Sentiment Analysis of Internet Memes [2.2385755093672044]
  本稿では,SemEval-2020 Task 8における感情分析問題に対するアプローチを提案する。 このタスクの目的は、感情の内容と感情に基づいてミームを分類することである。 この結果から,Word2vecを入力として組み込んだ単純なフィードフォワードニューラルネットワーク(FFNN)は,他のすべてよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-07-21T14:06:26Z)

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。