論文の概要: Towards Understanding Emotions in Informal Developer Interactions: A
Gitter Chat Study
- arxiv url: http://arxiv.org/abs/2311.04755v1
- Date: Wed, 8 Nov 2023 15:29:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-09 15:21:29.683829
- Title: Towards Understanding Emotions in Informal Developer Interactions: A
Gitter Chat Study
- Title(参考訳): インフォーマルな開発者インタラクションにおける感情理解に向けて:Gitter Chat Study
- Authors: Amirali Sajadi, Kostadin Damevski, Preetha Chatterjee
- Abstract要約: 幅広い感情ラベル(およびサブラベル)を手動でアノテートした開発者チャットメッセージのデータセットを提示する。
チャットに特有な感情のユニークなシグナルを調査し,他の形態のソフトウェアコミュニケーションと区別する。
以上の結果から,チャットは承認や恐怖の表現が少ないが,キュリオシティの表現がGitHubのコメントより多いことが示唆された。
- 参考スコア(独自算出の注目度): 10.372820248341746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotions play a significant role in teamwork and collaborative activities
like software development. While researchers have analyzed developer emotions
in various software artifacts (e.g., issues, pull requests), few studies have
focused on understanding the broad spectrum of emotions expressed in chats. As
one of the most widely used means of communication, chats contain valuable
information in the form of informal conversations, such as negative
perspectives about adopting a tool. In this paper, we present a dataset of
developer chat messages manually annotated with a wide range of emotion labels
(and sub-labels), and analyze the type of information present in those
messages. We also investigate the unique signals of emotions specific to chats
and distinguish them from other forms of software communication. Our findings
suggest that chats have fewer expressions of Approval and Fear but more
expressions of Curiosity compared to GitHub comments. We also notice that
Confusion is frequently observed when discussing programming-related
information such as unexpected software behavior. Overall, our study highlights
the potential of mining emotions in developer chats for supporting software
maintenance and evolution tools.
- Abstract(参考訳): 感情はチームワークやソフトウェア開発のような協調活動において重要な役割を果たします。
研究者はさまざまなソフトウェアアーティファクト(問題、プルリクエストなど)で開発者の感情を分析しているが、チャットで表現される感情の幅広い範囲を理解することに焦点を当てた研究はほとんどない。
最も広く使われているコミュニケーション手段の1つとして、チャットにはツールの採用に関するネガティブな視点など、非公式な会話という形で貴重な情報が含まれている。
本稿では,広範囲の感情ラベル(およびサブラベル)を手動でアノテートした開発者チャットメッセージのデータセットを示し,それらのメッセージに含まれる情報のタイプを分析する。
また、チャット特有の感情のユニークなシグナルを調査し、他の形式のソフトウェアコミュニケーションと区別する。
その結果、チャットは承認や恐れの表現が少ないが、githubのコメントに比べて好奇心の表現が多いことが示唆された。
また,予期せぬソフトウェア動作などのプログラミング関連情報を議論する際にも,コンフュージョンがよく見られることに気付く。
全体としては、ソフトウェアメンテナンスと進化ツールをサポートする開発者チャットにおける感情のマイニングの可能性に注目します。
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) - Language Models (Mostly) Do Not Consider Emotion Triggers When
Predicting Emotion [97.98240591442922]
本研究では,人間の感情が感情の予測において,モデルが有意であると考えられる特徴とどのように相関するかを検討する。
EmoTriggerを使って、感情のトリガーを識別する大きな言語モデルの評価を行う。
分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
論文 参考訳(メタデータ) (2023-11-16T06:20:13Z) - Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
隠れ変数分離に基づく動的因果解離モデルを提案する。
このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。
具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
論文 参考訳(メタデータ) (2023-09-13T12:58:09Z) - WEARS: Wearable Emotion AI with Real-time Sensor data [0.8740570557632509]
スマートウォッチセンサを用いてユーザの感情を予測するシステムを提案する。
英語と地域語を併用した動画をリアルタイムに収集する枠組みを設計する。
また、心拍数、加速度計、ジャイロセンサーデータなどの特徴が気分に与える影響について、アブレーション調査を行った。
論文 参考訳(メタデータ) (2023-08-22T11:03:00Z) - Learning Emotion Representations from Verbal and Nonverbal Communication [7.747924294389427]
本稿では,言語・非言語コミュニケーションから視覚的感情表現を抽出する最初の事前学習パラダイムであるEmotionCLIPを提案する。
EmotionCLIPは、感情誘導型コントラスト学習を用いて、主観的文脈エンコーディングと言語感情キューを通じて、非言語感情キューへの参加を誘導する。
EmotionCLIPは、感情理解におけるデータ不足の一般的な問題に対処し、関連する領域の進歩を促進する。
論文 参考訳(メタデータ) (2023-05-22T21:36:55Z) - Chat-Capsule: A Hierarchical Capsule for Dialog-level Emotion Analysis [70.98130990040228]
本稿では,発話レベルと対話レベルの両方の感情とその相互関係をモデル化したコンテキストベースの階層的注意カプセル(Chat-Capsule)モデルを提案する。
Eコマースプラットフォームの顧客サポートから収集したダイアログデータセットでは,ユーザの満足度や感情曲線のカテゴリも予測できる。
論文 参考訳(メタデータ) (2022-03-23T08:04:30Z) - Few-Shot Emotion Recognition in Conversation with Sequential
Prototypical Networks [0.0]
私たちは、会話の流れの中で感情と彼らの進化を検出したいという、チャットのカスタマーサービスのスコープに自分自身を置きます。
これらの課題は、Few-Shot Learningを用いて、異なる言語やスパースラベルの会話感情分類に役立てることができると仮説を立てながら解決する。
本手法は、英語の日次会話とフランス語のカスタマーサービスチャットの2つの異なる言語からなるデータセットで検証する。
論文 参考訳(メタデータ) (2021-09-20T08:33:38Z) - Emotion Recognition from Multiple Modalities: Fundamentals and
Methodologies [106.62835060095532]
マルチモーダル感情認識(MER)のいくつかの重要な側面について論じる。
まず、広く使われている感情表現モデルと感情モダリティの簡単な紹介から始める。
次に、既存の感情アノテーション戦略とそれに対応する計算タスクを要約する。
最後に,実世界のアプリケーションについて概説し,今後の方向性について論じる。
論文 参考訳(メタデータ) (2021-08-18T21:55:20Z) - AdCOFE: Advanced Contextual Feature Extraction in Conversations for
emotion classification [0.29360071145551075]
提案したAdCOFE(Advanced Contextual Feature extract)モデルはこれらの問題に対処する。
会話データセットにおける感情認識の実験は、AdCOFEが会話中の感情のキャプチャに有益であることを示しています。
論文 参考訳(メタデータ) (2021-04-09T17:58:19Z) - Infusing Multi-Source Knowledge with Heterogeneous Graph Neural Network
for Emotional Conversation Generation [25.808037796936766]
実世界の会話では,マルチソース情報から感情を直感的に知覚する。
感情的会話生成のための異種グラフモデルを提案する。
実験結果は,本モデルがマルチソース知識から感情を効果的に知覚できることを示した。
論文 参考訳(メタデータ) (2020-12-09T06:09:31Z) - COSMIC: COmmonSense knowledge for eMotion Identification in
Conversations [95.71018134363976]
我々は,心的状態,出来事,因果関係など,常識の異なる要素を取り入れた新しい枠組みであるCOSMICを提案する。
我々は,COSMICが4つのベンチマークの会話データセット上で,感情認識のための最新の結果を実現することを示す。
論文 参考訳(メタデータ) (2020-10-06T15:09:38Z)
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。