論文の概要: Applying a new category association estimator to sentiment analysis on
the Web
- arxiv url: http://arxiv.org/abs/2311.05330v1
- Date: Thu, 9 Nov 2023 12:49:53 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-10 15:14:50.149981
- Title: Applying a new category association estimator to sentiment analysis on
the Web
- Title(参考訳): Web上での感情分析に新たなカテゴリアソシエーション推定器を適用する
- Authors: Henrique S. Xavier, Diogo Cortiz, Mateus Silvestrin, Ana Lu\'isa
Freitas, Let\'icia Yumi Nakao Morello, Fernanda Naomi Pantale\~ao, Gabriel
Gaudencio do R\^ego
- Abstract要約: 本稿では,カテゴリー変数の関連度を測る新しいベイズ法を提案する。
この手法をポルトガル語で書かれた4,613のツイートからなるデータセットに適用した。
- 参考スコア(独自算出の注目度): 37.69303106863453
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: This paper introduces a novel Bayesian method for measuring the degree of
association between categorical variables. The method is grounded in the formal
definition of variable independence and was implemented using MCMC techniques.
Unlike existing methods, this approach does not assume prior knowledge of the
total number of occurrences for any category, making it particularly
well-suited for applications like sentiment analysis. We applied the method to
a dataset comprising 4,613 tweets written in Portuguese, each annotated for 30
possibly overlapping emotional categories. Through this analysis, we identified
pairs of emotions that exhibit associations and mutually exclusive pairs.
Furthermore, the method identifies hierarchical relations between categories, a
feature observed in our data, and was used to cluster emotions into basic level
groups.
- Abstract(参考訳): 本稿では,カテゴリー変数間の相関度を測定する新しいベイズ法を提案する。
この方法は変数独立の形式的定義に基づいており、MCMC技術を用いて実装された。
既存の手法とは異なり、このアプローチはあらゆるカテゴリーにおける発生回数に関する事前知識を前提とせず、感情分析のような応用に特に適している。
本手法は,ポルトガル語で書かれた4,613ツイートからなるデータセットに適用した。
この分析により,相互に排他的な関係を示す感情のペアを同定した。
さらに、この手法は、データで観察される特徴であるカテゴリ間の階層的関係を識別し、感情を基本的なレベルグループにクラスタリングするために使用しました。
関連論文リスト
- Two in One Go: Single-stage Emotion Recognition with Decoupled Subject-context Transformer [78.35816158511523]
単段階の感情認識手法として,DSCT(Decoupled Subject-Context Transformer)を用いる。
広範に使われている文脈認識型感情認識データセットであるCAER-SとEMOTICの単段階フレームワークの評価を行った。
論文 参考訳(メタデータ) (2024-04-26T07:30:32Z) - Enriching Disentanglement: Definitions to Metrics [97.34033555407403]
分散表現学習は、複雑なデータの変動の複数の要因を分離する難題である。
不整合表現の学習と評価のための様々な指標が提案されているが、これらの指標が真に何を定量化し、どのように比較するかは定かではない。
論文 参考訳(メタデータ) (2023-05-19T08:22:23Z) - Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。
RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文 参考訳(メタデータ) (2022-12-17T05:25:17Z) - Unifying the Discrete and Continuous Emotion labels for Speech Emotion
Recognition [28.881092401807894]
音声からの感情検出のためのパラ言語分析では、感情は離散的または次元的(連続的な評価)ラベルと同一視されている。
本研究では,連続的感情特性と離散的感情特性を共同で予測するモデルを提案する。
論文 参考訳(メタデータ) (2022-10-29T16:12:31Z) - Deep Relational Metric Learning [84.95793654872399]
本稿では,画像クラスタリングと検索のためのディープリレーショナルメトリック学習フレームワークを提案する。
我々は、クラス間分布とクラス内分布の両方をモデル化するために、異なる側面から画像を特徴付ける特徴のアンサンブルを学ぶ。
広く使われているCUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、我々のフレームワークが既存の深層学習方法を改善し、非常に競争力のある結果をもたらすことを示した。
論文 参考訳(メタデータ) (2021-08-23T09:31:18Z) - MCDAL: Maximum Classifier Discrepancy for Active Learning [74.73133545019877]
近年の最先端のアクティブラーニング手法は, 主にGAN(Generative Adversarial Networks)をサンプル取得に活用している。
本稿では,MCDAL(Maximum Discrepancy for Active Learning)と呼ぶ新しいアクティブラーニングフレームワークを提案する。
特に,両者の差分を最大化することにより,より厳密な決定境界を学習する2つの補助的分類層を利用する。
論文 参考訳(メタデータ) (2021-07-23T06:57:08Z) - A novel hybrid methodology of measuring sentence similarity [0.0]
文間の類似性を正確に測定する必要がある。
ディープラーニング手法は、多くの自然言語処理分野における最先端のパフォーマンスを示す。
文の構造や文を構成する単語構造を考えることも重要である。
論文 参考訳(メタデータ) (2021-05-03T06:50:54Z) - Contextual Modulation for Relation-Level Metaphor Identification [3.2619536457181075]
本稿では,ある文法的関係の関連レベルの比喩表現を識別するための新しいアーキテクチャを提案する。
視覚的推論の研究にインスパイアされた方法論では、我々のアプローチは、深い文脈化された特徴にニューラルネットワークの計算を条件付けすることに基づいている。
提案したアーキテクチャは,ベンチマークデータセット上で最先端の結果が得られることを示す。
論文 参考訳(メタデータ) (2020-10-12T12:07:02Z) - Automated extraction of mutual independence patterns using Bayesian
comparison of partition models [7.6146285961466]
相互独立は、変数間の構造的関係を特徴づける統計学における重要な概念である。
相互独立を調査するための既存の手法は、2つの競合するモデルの定義に依存している。
本稿では,マルコフ連鎖モンテカルロ(MCMC)アルゴリズムを提案し,相互独立性のすべてのパターンの空間上の後部分布を数値的に近似する。
論文 参考訳(メタデータ) (2020-01-15T16:21:48Z)
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。