Fugu-MT 論文翻訳(概要): Improving Language Models for Emotion Analysis: Insights from Cognitive Science

論文の概要: Improving Language Models for Emotion Analysis: Insights from Cognitive Science

arxiv url: http://arxiv.org/abs/2406.10265v2
Date: Mon, 26 Aug 2024 10:54:12 GMT
ステータス: 処理完了
システム内更新日: 2024-08-27 23:07:37.727485
Title: Improving Language Models for Emotion Analysis: Insights from Cognitive Science
Title（参考訳）: 感情分析のための言語モデルの改善:認知科学からの洞察
Authors: Constant Bonard, Gustave Cortal,
Abstract要約: 心理学と認知科学の主な感情理論を提示する。本稿では,自然言語処理における感情アノテーションの主な手法を紹介する。感情分析のための言語モデルを改善するための方向性を提案する。
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: We propose leveraging cognitive science research on emotions and communication to improve language models for emotion analysis. First, we present the main emotion theories in psychology and cognitive science. Then, we introduce the main methods of emotion annotation in natural language processing and their connections to psychological theories. We also present the two main types of analyses of emotional communication in cognitive pragmatics. Finally, based on the cognitive science research presented, we propose directions for improving language models for emotion analysis. We suggest that these research efforts pave the way for constructing new annotation schemes, methods, and a possible benchmark for emotional understanding, considering different facets of human emotion and communication.
Abstract（参考訳）: 本稿では、感情分析のための言語モデルを改善するために、認知科学研究を感情とコミュニケーションに活用することを提案する。まず,心理学と認知科学の主な感情理論について述べる。次に、自然言語処理における感情アノテーションの主な方法とその心理理論との関係について紹介する。また、認知実用論における感情コミュニケーションの2つの主要な分析方法について述べる。最後に,認知科学研究に基づき,感情分析のための言語モデルを改善するための方向性を提案する。これらの研究は、人間の感情とコミュニケーションの異なる側面を考慮し、新たな注釈体系の構築方法、方法、および感情理解のためのベンチマークを提案する。

関連論文リスト

Combining psychoanalysis and computer science: an empirical study of the relationship between emotions and the Lacanian discourses [0.0]
本研究では,精神分析学とコンピュータ科学の学際的相互作用について考察する。特に,この研究は,感情とラカン系会話の関連性を確立するために,コンピュータサイエンスの手法を適用することを目的としている。本論文の主な貢献は、本質的には理論的(精神分析)であるが、対話型デジタルシステムにおける主要な実践的応用を促進することができる。
論文参考訳（メタデータ） (2024-10-30T10:49:33Z)
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)
ECR-Chain: Advancing Generative Language Models to Better Emotion-Cause Reasoners through Reasoning Chains [61.50113532215864]
CEE(Causal Emotion Entailment)は、ターゲット発話で表現される感情を刺激する会話における因果発話を特定することを目的としている。 CEEにおける現在の研究は、主に会話のセマンティックな相互作用と感情的な相互作用をモデル化することに焦点を当てている。本研究では,会話中の感情表現から刺激を推測するために,ステップバイステップの推論手法である感情・因果関係(ECR-Chain)を導入する。
論文参考訳（メタデータ） (2024-05-17T15:45:08Z)
Language-Specific Representation of Emotion-Concept Knowledge Causally Supports Emotion Inference [44.126681295827794]
この研究は、大規模言語モデル(LLMs)として知られる人工知能の形式を用いて、言語に基づく感情の表現が、新しい状況の感情的意味に関する推論を生成するAIの能力に因果的に寄与するかどうかを評価する。本研究は,LLMでも知覚モダ表現の欠如による感情の学習が可能であり,言語由来の感情概念知識の感情推論への寄与を強調した。
論文参考訳（メタデータ） (2023-02-19T14:21:33Z)
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)
Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文参考訳（メタデータ） (2022-08-11T15:45:58Z)
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)
Multi-Task Learning and Adapted Knowledge Models for Emotion-Cause Extraction [18.68808042388714]
感情認識と感情原因検出の両方に共同で取り組むソリューションを提案する。暗黙的に表現された感情を理解する上で,常識的知識が重要な役割を担っていることを考慮し,新しい手法を提案する。共通センス推論とマルチタスクフレームワークを含む場合,両タスクのパフォーマンス改善を示す。
論文参考訳（メタデータ） (2021-06-17T20:11:04Z)
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)
Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
論文参考訳（メタデータ） (2020-09-21T09:21:52Z)
Sentiment Analysis: Automatically Detecting Valence, Emotions, and Other Affectual States from Text [31.87319293259599]
本稿では,感情分析研究の概要を概観する。これには、フィールドの起源、タスクの豊富な風景、課題、使用するメソッドとリソースの調査、アプリケーションが含まれる。我々は、慎重に前向きに考えることなく、感情分析が有害な結果をもたらす可能性について論じる。
論文参考訳（メタデータ） (2020-05-25T01:37:31Z)

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。