論文の概要: TONE: A 3-Tiered ONtology for Emotion analysis
- arxiv url: http://arxiv.org/abs/2401.06810v1
- Date: Thu, 11 Jan 2024 04:23:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-22 10:15:29.835044
- Title: TONE: A 3-Tiered ONtology for Emotion analysis
- Title(参考訳): TONE:感情分析のための3階層オントロジー
- Authors: Srishti Gupta, Piyush Kumar Garg, Sourav Kumar Dandapat
- Abstract要約: 感情は心理学、医学、メンタルヘルス、コンピュータサイエンスなど、多くの分野で重要な役割を果たしてきた。
1) 教師付き手法の効率は収集したデータのサイズと領域に強く依存する。
我々は、Gerrod Parrot博士の感情群に基づく感情階層を効果的に生成する感情ベースのオントロジーを作成する。
- 参考スコア(独自算出の注目度): 9.227164881235947
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Emotions have played an important part in many sectors, including psychology,
medicine, mental health, computer science, and so on, and categorizing them has
proven extremely useful in separating one emotion from another. Emotions can be
classified using the following two methods: (1) The supervised method's
efficiency is strongly dependent on the size and domain of the data collected.
A categorization established using relevant data from one domain may not work
well in another. (2) An unsupervised method that uses either domain expertise
or a knowledge base of emotion types already exists. Though this second
approach provides a suitable and generic categorization of emotions and is
cost-effective, the literature doesn't possess a publicly available knowledge
base that can be directly applied to any emotion categorization-related task.
This pushes us to create a knowledge base that can be used for emotion
classification across domains, and ontology is often used for this purpose. In
this study, we provide TONE, an emotion-based ontology that effectively creates
an emotional hierarchy based on Dr. Gerrod Parrot's group of emotions. In
addition to ontology development, we introduce a semi-automated vocabulary
construction process to generate a detailed collection of terms for emotions at
each tier of the hierarchy. We also demonstrate automated methods for
establishing three sorts of dependencies in order to develop linkages between
different emotions. Our human and automatic evaluation results show the
ontology's quality. Furthermore, we describe three distinct use cases that
demonstrate the applicability of our ontology.
- Abstract(参考訳): 感情は心理学、医学、メンタルヘルス、コンピュータサイエンスなど、多くの分野において重要な役割を担い、それらを分類することは、感情を別々に分離するのに非常に有用であることが証明されている。
1) 教師付きメソッドの効率は、収集したデータのサイズとドメインに大きく依存する。
あるドメインの関連データを使って確立された分類は、別のドメインではうまく機能しないかもしれない。
2) ドメインの専門知識あるいは感情型に関する知識ベースを利用する教師なしの手法がすでに存在する。
この2つ目のアプローチは、感情を適切に分類し、コスト効率が良いが、どんな感情分類関連のタスクにも直接適用できる、公に利用可能な知識ベースを持っていない。
これにより、ドメイン間の感情分類に使用できる知識ベースが作成され、オントロジーがこの目的によく使用されるようになります。
本研究では,gerrod parrot博士の感情群に基づく感情階層を効果的に構築する,感情に基づくオントロジーであるトーンを提供する。
オントロジーの発達に加えて,階層の各階層における感情の用語の詳細なコレクションを生成するための半自動語彙構築プロセスを導入する。
また、異なる感情間のリンクを開発するために、3種類の依存関係を確立する自動化手法についても示す。
人間と自動評価の結果は オントロジーの品質を示しています
さらに、オントロジーの適用性を示す3つの異なるユースケースについて述べる。
関連論文リスト
- Improved Text Emotion Prediction Using Combined Valence and Arousal Ordinal Classification [37.823815777259036]
テキストから感情を分類する手法を導入し,様々な感情の相違点と相違点を認識・区別する。
提案手法は感情予測において高い精度を保ちながら,誤分類の場合の誤りの程度を著しく低減する。
論文 参考訳(メタデータ) (2024-04-02T10:06:30Z) - Where are We in Event-centric Emotion Analysis? Bridging Emotion Role
Labeling and Appraisal-based Approaches [10.736626320566707]
テキストにおける感情分析という用語は、様々な自然言語処理タスクを仮定する。
感情と出来事は2つの方法で関連していると我々は主張する。
我々は,NLPモデルに心理的評価理論を組み込んで事象を解釈する方法について議論する。
論文 参考訳(メタデータ) (2023-09-05T09:56:29Z) - Frustratingly Easy Sentiment Analysis of Text Streams: Generating
High-Quality Emotion Arcs Using Emotion Lexicons [31.87319293259599]
感情のレキシコンの質とそれを用いて生成できる感情の弧の質との関係について検討する。
事例レベルでは著しく劣っているにもかかわらず、LexO法は数百の事例から情報を集約することで感情弧を生成するのに極めて正確であることを示す。
論文 参考訳(メタデータ) (2022-10-13T21:50:54Z) - 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-aware Chat Machine: Automatic Emotional Response Generation for
Human-like Emotional Interaction [55.47134146639492]
この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。
実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2021-06-06T06:26:15Z) - Basic and Depression Specific Emotion Identification in Tweets:
Multi-label Classification Experiments [1.7699344561127386]
ツイートにおける基本的・抑うつ的マルチ感情マイニングに関する実証分析を行った。
我々は、感情の4つの高度に評価された心理モデルから、共通の感情からなるハイブリッド感情モデルから、基本的な感情を選択する。
我々は、うつ病の分析においてその重要性から、新たな感情カテゴリーによる感情モデルを強化した。
論文 参考訳(メタデータ) (2021-05-26T07:13:50Z) - Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。
本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。
本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
論文 参考訳(メタデータ) (2021-04-20T16:55:15Z) - Acted vs. Improvised: Domain Adaptation for Elicitation Approaches in
Audio-Visual Emotion Recognition [29.916609743097215]
一般化された感情認識システムの開発における主な課題は、ラベル付きデータの不足とゴールドスタンダード参照の欠如である。
本研究では,感情誘発アプローチをドメイン知識とみなし,感情発話におけるドメイン伝達学習技術を探求する。
論文 参考訳(メタデータ) (2021-04-05T15:59:31Z) - Modality-Transferable Emotion Embeddings for Low-Resource Multimodal
Emotion Recognition [55.44502358463217]
本稿では、上記の問題に対処するため、感情を埋め込んだモダリティ変換可能なモデルを提案する。
我々のモデルは感情カテゴリーのほとんどで最先端のパフォーマンスを達成する。
私たちのモデルは、目に見えない感情に対するゼロショットと少数ショットのシナリオにおいて、既存のベースラインよりも優れています。
論文 参考訳(メタデータ) (2020-09-21T06:10:39Z) - EmoGraph: Capturing Emotion Correlations using Graph Networks [71.53159402053392]
グラフネットワークを通じて異なる感情間の依存関係をキャプチャするEmoGraphを提案する。
EmoGraphは特にマクロF1において、強いベースラインを上回ります。
キャプチャーされた感情相関は、シングルラベルの分類作業にも有用であることを示す実験である。
論文 参考訳(メタデータ) (2020-08-21T08:59:29Z) - Emotion Recognition From Gait Analyses: Current Research and Future
Directions [48.93172413752614]
歩行はウォーカーの感情に関する情報を伝える
様々な感情と歩行パターンのマッピングは、感情の自動認識のための新しい情報源を提供する。
歩行は遠隔観察可能で 模倣が困難で 被験者との協力も少ない
論文 参考訳(メタデータ) (2020-03-13T08:22:33Z)
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。