論文の概要: Multi-channel Emotion Analysis for Consensus Reaching in Group Movie Recommendation Systems
- arxiv url: http://arxiv.org/abs/2404.13778v1
- Date: Sun, 21 Apr 2024 21:19:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 15:45:49.723835
- Title: Multi-channel Emotion Analysis for Consensus Reaching in Group Movie Recommendation Systems
- Title（参考訳）: グループ映画レコメンデーションシステムにおけるコンセンサスリーチのマルチチャンネル感情分析
- Authors: Adilet Yerkin, Elnara Kadyrgali, Yerdauit Torekhan, Pakizar Shamoi,
- Abstract要約: 本稿では,3つの異なるチャンネルからの感情を調査し,グループ映画提案に対する新たなアプローチを提案する。
我々は,Jaccard類似度指数を用いて,各被験者の感情的嗜好と映画選択とを一致させる。
グループのコンセンサスレベルはファジィ推論システムを用いて計算される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Watching movies is one of the social activities typically done in groups. Emotion is the most vital factor that affects movie viewers' preferences. So, the emotional aspect of the movie needs to be determined and analyzed for further recommendations. It can be challenging to choose a movie that appeals to the emotions of a diverse group. Reaching an agreement for a group can be difficult due to the various genres and choices. This paper proposes a novel approach to group movie suggestions by examining emotions from three different channels: movie descriptions (text), soundtracks (audio), and posters (image). We employ the Jaccard similarity index to match each participant's emotional preferences to prospective movie choices, followed by a fuzzy inference technique to determine group consensus. We use a weighted integration process for the fusion of emotion scores from diverse data types. Then, group movie recommendation is based on prevailing emotions and viewers' best-loved movies. After determining the recommendations, the group's consensus level is calculated using a fuzzy inference system, taking participants' feedback as input. Participants (n=130) in the survey were provided with different emotion categories and asked to select the emotions best suited for particular movies (n=12). Comparison results between predicted and actual scores demonstrate the efficiency of using emotion detection for this problem (Jaccard similarity index = 0.76). We explored the relationship between induced emotions and movie popularity as an additional experiment, analyzing emotion distribution in 100 popular movies from the TMDB database. Such systems can potentially improve the accuracy of movie recommendation systems and achieve a high level of consensus among participants with diverse preferences.
- Abstract（参考訳）: 映画を見ることは、通常グループで行われる社会的活動の1つです。
感情は映画視聴者の好みに影響を与える最も重要な要素である。
したがって、映画の感情的な側面は、さらなるレコメンデーションのために決定され分析される必要がある。
多様なグループの感情に訴える映画を選ぶのは難しいかもしれません。
様々なジャンルや選択肢があるため、グループ間の合意の取得は困難である。
本稿では,映画記述(テキスト),サウンドトラック(オーディオ),ポスター(イメージ)の3つの異なるチャンネルから感情を抽出し,グループ映画提案に対する新たなアプローチを提案する。
我々は,Jaccard類似度指数を用いて,各被験者の感情的嗜好を映画選択に合わせるとともに,ファジィ推論手法を用いてグループコンセンサスを決定する。
多様なデータ型からの感情スコアの融合に重み付けされた統合プロセスを用いる。
次に、グループ映画のレコメンデーションは、一般的な感情と視聴者の最も愛された映画に基づいて行われる。
推薦を決定した後、ファジィ推論システムを用いて集団のコンセンサスレベルを算出し、参加者のフィードバックを入力とする。
調査対象者 (n=130) に異なる感情カテゴリーを設け, 特定の映画に適した感情を選択するように依頼した(n=12。
予測スコアと実際のスコアを比較した結果,この問題に対する感情検出の有効性が示された(ジャカード類似度指数=0.76)。
TMDBデータベースから,100本の人気映画における感情分布を解析し,誘導感情と映画人気との関係について検討した。
このようなシステムは、映画レコメンデーションシステムの精度を向上し、様々な好みを持つ参加者の間で高いコンセンサスを達成する可能性がある。
関連論文リスト
- Sentiment and Emotion-aware Multi-criteria Fuzzy Group Decision Making System [0.0]
グループ意思決定(GDM)システムは、様々な好みを持つ参加者間の合意を促進することで重要な役割を果たす。
本稿では,グループ設定におけるコンセンサス取得の有効性を高めるために,感情と感情を意識した多基準ファジィGDMシステムを提案する。
論文 参考訳（メタデータ） (2024-08-21T20:17:06Z) - The Face of Populism: Examining Differences in Facial Emotional Expressions of Political Leaders Using Machine Learning [50.24983453990065]
私たちは15カ国の政治指導者の220本のYouTubeビデオのサンプルをディープラーニングで処理しています。
ポピュリスト・レトリックの度合いが異なるリーダー群間での負の感情の平均スコアの統計的に有意な差を観察した。
論文 参考訳（メタデータ） (2023-04-19T18:32:49Z) - How you feelin'? Learning Emotions and Mental States in Movie Scenes [9.368590075496149]
我々は、感情理解を、映画シーンのレベルで多様なマルチラベルの感情の集合を予測するものとして定式化する。
EmoTxはマルチモーダルトランスフォーマーベースのアーキテクチャで、ビデオ、複数の文字、ダイアログの発話を取り込み、共同予測を行う。
論文 参考訳（メタデータ） (2023-04-12T06:31:14Z) - Identifying gender bias in blockbuster movies through the lens of
machine learning [0.5023676240063351]
我々は、自然言語処理技術を用いて、異なるジャンルの映画と、派生した感情と感情のスクリプトを収集した。
映画では, 男女の性格的特徴が, 社会的ステレオタイプと一致していることが明らかとなった。
数学と機械学習のテクニックを使って、男性が女性よりも支配的かつ熱心であることが示されるバイアスを見つけました。
論文 参考訳（メタデータ） (2022-11-21T09:41:53Z) - MAFW: A Large-scale, Multi-modal, Compound Affective Database for
Dynamic Facial Expression Recognition in the Wild [56.61912265155151]
大規模複合感情データベースMAFWを提案する。
各クリップには、複雑な感情カテゴリーと、クリップ内の被験者の感情行動を記述する2つの文が注釈付けされている。
複合感情のアノテーションでは、それぞれのクリップは、怒り、嫌悪感、恐怖、幸福、中立、悲しみ、驚き、軽蔑、不安、無力感、失望など、広く使われている11の感情のうちの1つ以上に分類される。
論文 参考訳（メタデータ） (2022-08-01T13:34:33Z) - 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) - x-enVENT: A Corpus of Event Descriptions with Experiencer-specific
Emotion and Appraisal Annotations [13.324006587838523]
感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。
心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。
この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
論文 参考訳（メタデータ） (2022-03-21T12:02:06Z) - Film Trailer Generation via Task Decomposition [65.16768855902268]
私たちは映画をグラフとしてモデル化し、ノードはショットであり、エッジはそれらの間のセマンティックな関係を表す。
スクリーンプレイから特権的テキスト情報を活用する共同コントラストトレーニングを用いて,これらの関係を学習する。
教師なしのアルゴリズムがグラフを横切り、人間の審査員が競争的な教師付きアプローチによって生成されるトレーラーを生成する。
論文 参考訳（メタデータ） (2021-11-16T20:50:52Z) - 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) - Affect2MM: Affective Analysis of Multimedia Content Using Emotion
Causality [84.69595956853908]
本稿では,マルチメディアコンテンツを対象とした時系列感情予測学習手法であるAffect2MMを提案する。
私たちの目標は、現実の人間中心の状況や行動でキャラクターが描く様々な感情を自動的に捉えることです。
論文 参考訳（メタデータ） (2021-03-11T09:07:25Z) - Fine-grained Emotion and Intent Learning in Movie Dialogues [1.2891210250935146]
OpenSubtitlesコーパスから取得した1Mの対話からなる、新しい大規模感情対話データセットを提案する。
本研究は,映画の字幕の前処理や,アノテートに優れた映画対話の選択に使用される複雑なパイプラインを説明する。
このような感情対話の分類は、データセットのサイズと微粒な感情と意図のカテゴリーの両方において試みられたことがない。
論文 参考訳（メタデータ） (2020-12-25T20:29:56Z)
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。