論文の概要: Extracting Emotion Phrases from Tweets using BART

• arxiv url: http://arxiv.org/abs/2403.14050v2
• Date: Sat, 23 Mar 2024 14:46:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 10:51:37.503044
• Title: Extracting Emotion Phrases from Tweets using BART
• Title（参考訳）: BARTを用いたつぶやきからの感情句の抽出
• Authors: Mahdi Rezapour,
• Abstract要約: 本稿では,質問応答の枠組みに基づく感情分析にアプローチを適用する。 我々は、抽出する特定の感情を識別する自然言語質問を作成し、BARTにテキスト中の関連する感情的手がかりに注意を払うよう誘導する。 我々のアプローチは、テキストの完全なコンテキストと意味をキャプチャするなど、ほとんどの感情分析研究に対して、いくつかの利点を提供している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Sentiment analysis is a natural language processing task that aims to identify and extract the emotional aspects of a text. However, many existing sentiment analysis methods primarily classify the overall polarity of a text, overlooking the specific phrases that convey sentiment. In this paper, we applied an approach to sentiment analysis based on a question-answering framework. Our approach leverages the power of Bidirectional Autoregressive Transformer (BART), a pre-trained sequence-to-sequence model, to extract a phrase from a given text that amplifies a given sentiment polarity. We create a natural language question that identifies the specific emotion to extract and then guide BART to pay attention to the relevant emotional cues in the text. We use a classifier within BART to predict the start and end positions of the answer span within the text, which helps to identify the precise boundaries of the extracted emotion phrase. Our approach offers several advantages over most sentiment analysis studies, including capturing the complete context and meaning of the text and extracting precise token spans that highlight the intended sentiment. We achieved an end loss of 87% and Jaccard score of 0.61.
• Abstract（参考訳）: 感性分析は、テキストの感情的側面を特定し、抽出することを目的とした自然言語処理タスクである。 しかし、既存の感情分析手法の多くは、感情を伝える特定のフレーズを見渡すことによって、テキストの全体極性を主に分類している。 本稿では,質問応答の枠組みに基づく感情分析にアプローチを適用した。 提案手法は、事前訓練されたシーケンス・ツー・シーケンスモデルである双方向自己回帰変換器(BART)のパワーを利用して、与えられた感情極性を増幅する与えられたテキストからフレーズを抽出する。 我々は、抽出する特定の感情を識別する自然言語質問を作成し、BARTにテキスト中の関連する感情的手がかりに注意を払うよう誘導する。 BART内の分類器を用いて、テキスト内の回答の開始位置と終了位置を予測し、抽出した感情句の正確な境界を識別する。 我々のアプローチは、テキストの完全な文脈と意味を捉え、意図された感情を強調する正確なトークンスパンを抽出するなど、ほとんどの感情分析研究に対していくつかの利点を提供している。 最終損失は87%、Jaccardスコアは0.61でした。

関連論文リスト

• Towards a Generative Approach for Emotion Detection and Reasoning [0.7366405857677227]
  大規模言語モデルを用いたゼロショット感情検出と感情推論のための新しいアプローチを提案する。 本論文は,テキストに対する感情検出と感情推論の課題に共同で対処するための生成的アプローチを用いた最初の研究である。
  論文  参考訳（メタデータ） (2024-08-09T07:20:15Z)
• MONOVAB : An Annotated Corpus for Bangla Multi-label Emotion Detection [0.0]
  感性分析(SA)と感情認識(ER)は、バングラ語でますます人気が高まっている。 しかし、この言語は構造的に複雑であるため、この領域は正確な方法で感情を抽出することが困難である。 本研究では,Facebookから抽出したデータに基づいて注釈付きコーパスを構築するための徹底的な手法を示す。
  論文  参考訳（メタデータ） (2023-09-27T14:10:57Z)
• Holistic Visual-Textual Sentiment Analysis with Prior Models [64.48229009396186]
  本稿では,頑健な視覚・テキスト感情分析を実現するための総合的手法を提案する。 提案手法は,(1)感情分析のためのデータから特徴を直接学習する視覚テキストブランチ,(2)選択された意味的特徴を抽出する事前学習された「専門家」エンコーダを備えた視覚専門家ブランチ,(3)暗黙的に視覚テキスト対応をモデル化するCLIPブランチ,(4)多モード特徴を融合して感情予測を行うBERTに基づくマルチモーダル特徴融合ネットワークの4つの部分から構成される。
  論文  参考訳（メタデータ） (2022-11-23T14:40:51Z)
• 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)
• CEFER: A Four Facets Framework based on Context and Emotion embedded features for Implicit and Explicit Emotion Recognition [2.5137859989323537]
  文レベルと単語レベルの両方でテキストを解析するフレームワークを提案する。 CEFER (Context and Emotion embedded Framework for Emotion Recognition) と呼ぶ。 CEFERは、暗黙の感情を含む各単語の感情ベクトルと、文脈に基づく各単語の特徴ベクトルを結合する。
  論文  参考訳（メタデータ） (2022-09-28T11:16:32Z)
• Seeking Subjectivity in Visual Emotion Distribution Learning [93.96205258496697]
  視覚感情分析(VEA)は、人々の感情を異なる視覚刺激に向けて予測することを目的としている。 既存の手法では、集団投票プロセスにおいて固有の主観性を無視して、統合されたネットワークにおける視覚的感情分布を予測することが多い。 視覚的感情分布の主観性を調べるために,新しいテキストサブジェクティビティ評価ネットワーク(SAMNet)を提案する。
  論文  参考訳（メタデータ） (2022-07-25T02:20:03Z)
• Grammar Detection for Sentiment Analysis through Improved Viterbi Algorithm [0.0]
  音声タグ付けの一部は、名詞、動詞、形容詞、副詞などを含む文の各単語を指定・タグ付けするタスクである。 このPOSタグを用いた感性分析は、特定のトピックについて、より広範な大衆の要約を促すのに役立ちます。
  論文  参考訳（メタデータ） (2022-05-26T04:40:31Z)
• Stimuli-Aware Visual Emotion Analysis [75.68305830514007]
  本稿では,刺激選択,特徴抽出,感情予測の3段階からなる刺激認識型視覚感情分析(VEA)手法を提案する。 我々の知る限りでは、エンド・ツー・エンドのネットワークでVEAに刺激選択プロセスを導入するのは初めてです。 実験により、提案手法は、4つの公的な視覚的感情データセットに対する最先端のアプローチよりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-04T08:14:52Z)
• 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)
• A computational model implementing subjectivity with the 'Room Theory'. The case of detecting Emotion from Text [68.8204255655161]
  本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。 単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。 この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
  論文  参考訳（メタデータ） (2020-05-12T21:26:04Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。