論文の概要: Emotion Analysis in NLP: Trends, Gaps and Roadmap for Future Directions

• arxiv url: http://arxiv.org/abs/2403.01222v2
• Date: Mon, 18 Mar 2024 10:51:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-20 01:41:04.690330
• Title: Emotion Analysis in NLP: Trends, Gaps and Roadmap for Future Directions
• Title（参考訳）: NLPにおける感情分析:未来方向のトレンド, ギャップ, ロードマップ
• Authors: Flor Miriam Plaza-del-Arco, Alba Curry, Amanda Cercas Curry, Dirk Hovy,
• Abstract要約: 我々は過去10年間の154件のNLP出版を徹底的にレビューする。 EAやタスク、使用されている感情フレームワーク、既存のデータセット、メソッド、アプリケーションなど、さまざまなトレンドを抱えています。 私たちの研究は、EAに関するより集中的な研究と、NLPの感情をモデリングするためのより包括的なアプローチを可能にします。
• 参考スコア（独自算出の注目度）: 20.707041145764187
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Emotions are a central aspect of communication. Consequently, emotion analysis (EA) is a rapidly growing field in natural language processing (NLP). However, there is no consensus on scope, direction, or methods. In this paper, we conduct a thorough review of 154 relevant NLP publications from the last decade. Based on this review, we address four different questions: (1) How are EA tasks defined in NLP? (2) What are the most prominent emotion frameworks and which emotions are modeled? (3) Is the subjectivity of emotions considered in terms of demographics and cultural factors? and (4) What are the primary NLP applications for EA? We take stock of trends in EA and tasks, emotion frameworks used, existing datasets, methods, and applications. We then discuss four lacunae: (1) the absence of demographic and cultural aspects does not account for the variation in how emotions are perceived, but instead assumes they are universally experienced in the same manner; (2) the poor fit of emotion categories from the two main emotion theories to the task; (3) the lack of standardized EA terminology hinders gap identification, comparison, and future goals; and (4) the absence of interdisciplinary research isolates EA from insights in other fields. Our work will enable more focused research into EA and a more holistic approach to modeling emotions in NLP.
• Abstract（参考訳）: 感情はコミュニケーションの中心的な側面である。 その結果、感情分析(EA)は自然言語処理(NLP)において急速に成長している分野である。 しかし、スコープ、方向、方法には合意がない。 本稿では,過去10年間のNLP関連出版物154件について概観する。 このレビューに基づき、(1)EAタスクはNLPでどのように定義されているか、という4つの質問に対処する。 2)最も顕著な感情の枠組みと、どの感情がモデル化されているか。 (3)人口統計学と文化的要因の観点から考える感情の主観性 EAの主要なNLPアプリケーションは何ですか? EAやタスク、使用されている感情フレームワーク、既存のデータセット、メソッド、アプリケーションなど、さまざまなトレンドを抱えています。 そこで我々は,(1) 人口的・文化的側面の欠如は, 感情の知覚の多様性を考慮せず,(2) 二つの主要な感情理論から課題への感情カテゴリーの適合性の低いこと,(3) 標準化されたEA用語の欠如がギャップの識別,比較,将来の目標を妨げていること,(4) 学際的研究の欠如が,他の分野の洞察からEAを隔離すること,の4点について論じる。 私たちの研究は、EAに関するより集中的な研究と、NLPの感情をモデリングするためのより包括的なアプローチを可能にします。

関連論文リスト

• Think out Loud: Emotion Deducing Explanation in Dialogues [57.90554323226896]
  対話における感情推論(Emotion Deducing Explanation in Dialogues)を提案する。 EDENは感情と原因を明確な考え方で認識する。 大規模言語モデル(LLM)が感情や原因をよりよく認識するのに役立ちます。
  論文  参考訳（メタデータ） (2024-06-07T08:58:29Z)
• 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 [87.18073195745914]
  人間の感情が感情の予測において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を用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 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)
• EmoTwiCS: A Corpus for Modelling Emotion Trajectories in Dutch Customer Service Dialogues on Twitter [9.2878798098526]
  本稿では,情緒トラジェクトリに注釈を付けた9,489件のオランダの顧客サービス対話コーパスであるEmoTwiCSを紹介する。 感情軌跡」という用語は、顧客の体験したきめ細かい感情だけでなく、会話の前に起きる出来事や人間の操作者による反応も指している。
  論文  参考訳（メタデータ） (2023-10-10T11:31:11Z)
• 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)
• 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)
• Natural Language Processing for Cognitive Analysis of Emotions [0.0]
  本稿では,感情とその原因を探索する新たなアノテーション手法と,感情場面の自伝的記述からなる新たなフランス語データセットを提案する。 テキストは、A. Finkelによって開発された感情の認知分析を適用して、人々が感情管理を改善する手助けをすることで収集された。
  論文  参考訳（メタデータ） (2022-10-11T09:47:00Z)
• 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)
• 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)
• Computational Emotion Analysis From Images: Recent Advances and Future Directions [79.05003998727103]
  本章では,画像感情分析(IEA)を計算的観点から導入することを目的としている。 心理学の一般的な感情表現モデルから始めます。 そして、研究者たちが解決しようとしている重要な計算問題を定義します。
  論文  参考訳（メタデータ） (2021-03-19T13:33:34Z)

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。