論文の概要: MONOVAB : An Annotated Corpus for Bangla Multi-label Emotion Detection

• arxiv url: http://arxiv.org/abs/2309.15670v1
• Date: Wed, 27 Sep 2023 14:10:57 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-28 13:23:50.506413
• Title: MONOVAB : An Annotated Corpus for Bangla Multi-label Emotion Detection
• Title（参考訳）: マルチラベル感情検出のための注釈付きコーパスMONOVAB
• Authors: Sumit Kumar Banshal, Sajal Das, Shumaiya Akter Shammi and Narayan Ranjan Chakraborty
• Abstract要約: 感性分析(SA)と感情認識(ER)は、バングラ語でますます人気が高まっている。 しかし、この言語は構造的に複雑であるため、この領域は正確な方法で感情を抽出することが困難である。 本研究では,Facebookから抽出したデータに基づいて注釈付きコーパスを構築するための徹底的な手法を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, Sentiment Analysis (SA) and Emotion Recognition (ER) have been increasingly popular in the Bangla language, which is the seventh most spoken language throughout the entire world. However, the language is structurally complicated, which makes this field arduous to extract emotions in an accurate manner. Several distinct approaches such as the extraction of positive and negative sentiments as well as multiclass emotions, have been implemented in this field of study. Nevertheless, the extraction of multiple sentiments is an almost untouched area in this language. Which involves identifying several feelings based on a single piece of text. Therefore, this study demonstrates a thorough method for constructing an annotated corpus based on scrapped data from Facebook to bridge the gaps in this subject area to overcome the challenges. To make this annotation more fruitful, the context-based approach has been used. Bidirectional Encoder Representations from Transformers (BERT), a well-known methodology of transformers, have been shown the best results of all methods implemented. Finally, a web application has been developed to demonstrate the performance of the pre-trained top-performer model (BERT) for multi-label ER in Bangla.
• Abstract（参考訳）: 近年,世界第7位の言語であるバングラ語では,感性分析 (SA) や感情認識 (ER) が普及している。 しかし、この言語は構造的に複雑であり、正確な方法で感情を抽出するのにこの分野は困難である。 この分野では、ポジティブ感情やネガティブ感情の抽出や、マルチクラス感情の抽出など、いくつかの異なるアプローチが実施されている。 しかし、複数の感情の抽出は、この言語ではほとんど触れられていない領域である。 一つのテキストに基づいて複数の感情を識別する。 そこで本研究では,facebookのスクラップデータに基づく注釈付きコーパスを構築し,課題克服のために本課題領域のギャップを橋渡しする方法を提案する。 このアノテーションをより実りあるものにするために、コンテキストベースのアプローチが使われてきた。 トランスフォーマーの方法論としてよく知られているBERT(Bidirectional Encoder Representations from Transformers)が,実装されたすべての手法の最良の結果を示している。 最後に,BanglaにおけるマルチラベルERのためのトレーニング済みトップパフォーマンスモデル(BERT)の性能を示すWebアプリケーションを開発した。

関連論文リスト

• PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
  本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。 タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。 課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
  論文  参考訳（メタデータ） (2024-08-18T13:51:01Z)
• Extracting Emotion Phrases from Tweets using BART [0.0]
  本稿では,質問応答の枠組みに基づく感情分析にアプローチを適用する。 我々は、抽出する特定の感情を識別する自然言語質問を作成し、BARTにテキスト中の関連する感情的手がかりに注意を払うよう誘導する。 我々のアプローチは、テキストの完全なコンテキストと意味をキャプチャするなど、ほとんどの感情分析研究に対して、いくつかの利点を提供している。
  論文  参考訳（メタデータ） (2024-03-21T00:20:16Z)
• Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
  本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。 我々のモデルは、$N$言語で並列データを操作する。 本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
  論文  参考訳（メタデータ） (2022-12-21T02:41:40Z)
• Transformer-based Text Classification on Unified Bangla Multi-class Emotion Corpus [0.9285295512807726]
  怒り、嫌悪感、恐怖、喜び、悲しみ、驚きの6つのクラスに対して、バングラ感情分類器を提供する。 The Unified Bangla Multi-class Emotion Corpus (UBMEC) is used to evaluate the performance of our model。
  論文  参考訳（メタデータ） (2022-10-12T17:01:53Z)
• A New Generation of Perspective API: Efficient Multilingual Character-level Transformers [66.9176610388952]
  Google JigsawのAspective APIの次期バージョンの基礎を提示する。 このアプローチの中心は、単一の多言語トークンフリーなCharformerモデルである。 静的な語彙を強制することで、さまざまな設定で柔軟性が得られます。
  論文  参考訳（メタデータ） (2022-02-22T20:55:31Z)
• Textless Speech Emotion Conversion using Decomposed and Discrete Representations [49.55101900501656]
  我々は、音声を、コンテンツ単位、F0、話者、感情からなる離散的、非絡み合いの学習表現に分解する。 まず、内容単位を対象の感情に翻訳し、その単位に基づいて韻律的特徴を予測することによって、音声内容を変更する。 最後に、予測された表現をニューラルボコーダに入力して音声波形を生成する。
  論文  参考訳（メタデータ） (2021-11-14T18:16:42Z)
• Leveraging Sentiment Analysis Knowledge to Solve Emotion Detection Tasks [11.928873764689458]
  本稿では,大規模データセット上での感情検出タスクを改善するために,適応層を融合したトランスフォーマーモデルを提案する。 また,CMU-MOSEIの感情認識には,テキストモダリティのみを用いながら,最先端の結果が得られた。
  論文  参考訳（メタデータ） (2021-11-05T20:06:58Z)
• Towards Emotion Recognition in Hindi-English Code-Mixed Data: A Transformer Based Approach [0.0]
  感情検出のためのラベル付きhinglishデータセットを提案する。 ヒンディー語と英語の混成ツイートの感情を検出するための深層学習に基づくアプローチに注目した。
  論文  参考訳（メタデータ） (2021-02-19T14:07:20Z)
• 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)
• It's not Greek to mBERT: Inducing Word-Level Translations from Multilingual BERT [54.84185432755821]
  mBERT (multilingual BERT) は、言語間での移動を可能にするリッチな言語間表現を学習する。 我々はmBERTに埋め込まれた単語レベルの翻訳情報について検討し、微調整なしで優れた翻訳能力を示す2つの簡単な方法を提案する。
  論文  参考訳（メタデータ） (2020-10-16T09:49:32Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。