Fugu-MT 論文翻訳(概要): Towards Emotion-Based Synthetic Consciousness: Using LLMs to Estimate Emotion Probability Vectors

論文の概要: Towards Emotion-Based Synthetic Consciousness: Using LLMs to Estimate Emotion Probability Vectors

arxiv url: http://arxiv.org/abs/2310.10673v1
Date: Mon, 9 Oct 2023 13:29:36 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 02:20:09.089562
Title: Towards Emotion-Based Synthetic Consciousness: Using LLMs to Estimate Emotion Probability Vectors
Title（参考訳）: 感情に基づく合成意識:LLMを用いた感情確率ベクトルの推定
Authors: David Sinclair and Willem Pye
Abstract要約: 本稿では,LLMを用いてテキストの感情状態の要約を推定する方法について述べる。感情状態の要約は、感情を記述するために使われる単語の辞書であり、プロンプトの後に現れる単語の確率と一致する。
参考スコア（独自算出の注目度）: 0.32634122554913997
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper shows how LLMs (Large Language Models) may be used to estimate a summary of the emotional state associated with piece of text. The summary of emotional state is a dictionary of words used to describe emotion together with the probability of the word appearing after a prompt comprising the original text and an emotion eliciting tail. Through emotion analysis of Amazon product reviews we demonstrate emotion descriptors can be mapped into a PCA type space. It was hoped that text descriptions of actions to improve a current text described state could also be elicited through a tail prompt. Experiment seemed to indicate that this is not straightforward to make work. This failure put our hoped for selection of action via choosing the best predict ed outcome via comparing emotional responses out of reach for the moment.
Abstract（参考訳）: 本稿では,LLM(Large Language Models)を用いてテキストの感情状態の要約を推定する方法について述べる。感情状態の要約は、原文を含むプロンプトとテールを省略した感情の後に現れる単語の確率と共に感情を記述するために使われる単語の辞書である。 Amazon製品レビューの感情分析を通じて、感情記述子はPCAタイプの空間にマッピングできることを示した。現在記述されている状態を改善するためのアクションのテキスト記述も、テールプロンプトを通じて引き起こされることが期待された。実験によると、これは簡単には機能しないようだ。この失敗は、現在までの感情的な反応を比較して、最良の予測結果を選択することで、行動の選択を期待した。

関連論文リスト

Contextual Emotion Estimation from Image Captions [0.6749750044497732]
大規模言語モデルが文脈的感情推定タスクをサポートできるかを,まずイメージをキャプションし,LLMを用いて推論する。 EMOTICデータセットから331画像のサブセットのキャプションと感情アノテーションを生成する。 GPT-3.5(特にtext-davinci-003モデル)は、人間のアノテーションと一致した驚くほど合理的な感情予測を提供する。
論文参考訳（メタデータ） (2023-09-22T18:44:34Z)
Emotion-Aware Prosodic Phrasing for Expressive Text-to-Speech [47.02518401347879]
発話の感情的手がかりを正確に抽出し,適切なフレーズブレークを予測するために,感情認識型韻律表現モデル「textitEmoPP」を提案する。まずESDデータセットの客観的な観察を行い、感情と韻律的フレーズの強い相関を検証した。次に、感情表現性の観点から、EmoPPがすべてのベースラインと顕著なパフォーマンスを上回っていることを示す客観的および主観的評価を実現する。
論文参考訳（メタデータ） (2023-09-21T01:51:10Z)
Automatic Emotion Experiencer Recognition [12.447379545167642]
テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。
論文参考訳（メタデータ） (2023-05-26T08:33:28Z)
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)
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)
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)
x-enVENT: A Corpus of Event Descriptions with Experiencer-specific Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文参考訳（メタデータ） (2022-03-21T12:02:06Z)
Emotion Recognition under Consideration of the Emotion Component Process Model [9.595357496779394]
我々はScherer (2005) による感情成分プロセスモデル (CPM) を用いて感情コミュニケーションを説明する。 CPMは、感情は、出来事、すなわち主観的感情、認知的評価、表現、生理的身体反応、動機的行動傾向に対する様々なサブコンポーネントの協調過程であると述べている。 Twitter上での感情は、主に出来事の説明や主観的な感情の報告によって表現されているのに対し、文献では、著者はキャラクターが何をしているかを記述し、解釈を読者に任せることを好む。
論文参考訳（メタデータ） (2021-07-27T15:53:25Z)
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 Carrier Recognition from Personal Narratives [74.24768079275222]
パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。感情キャリア認識(ECR)のための新しい課題を提案する。
論文参考訳（メタデータ） (2020-08-17T17:16:08Z)
Annotation of Emotion Carriers in Personal Narratives [69.07034604580214]
我々は、個人的物語(PN) - 話されたり書かれたり - 事実、出来事、思考の記憶 - を理解する問題に興味を持っている。 PNでは、感情担体(英: emotion carriers)は、ユーザの感情状態を最もよく説明する音声またはテキストセグメントである。本研究は,音声対話における感情担持者を特定するためのアノテーションモデルを提案し,評価する。
論文参考訳（メタデータ） (2020-02-27T15:42:39Z)

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。