論文の概要: Enhancing Emotion Prediction in News Headlines: Insights from ChatGPT and Seq2Seq Models for Free-Text Generation
- arxiv url: http://arxiv.org/abs/2407.10091v1
- Date: Sun, 14 Jul 2024 06:04:11 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-16 19:28:46.626011
- Title: Enhancing Emotion Prediction in News Headlines: Insights from ChatGPT and Seq2Seq Models for Free-Text Generation
- Title（参考訳）: ニュース見出しにおける感情予測の強化:自由テキスト生成のためのChatGPTとSeq2Seqモデルからの考察
- Authors: Ge Gao, Jongin Kim, Sejin Paik, Ekaterina Novozhilova, Yi Liu, Sarah T. Bonna, Margrit Betke, Derry Tanti Wijaya,
- Abstract要約: 我々は、ニュース見出しを読んでからどのように感じるかについて、自由テキストで書かれた人々の感情の説明を使う。
感情分類では、自由文の説明は見出しによって引き起こされる支配的な感情と強く相関する。
マクネマールの重要度テストを用いて、GPT生成自由テキストの説明を取り入れた手法は大幅に改善された。
- 参考スコア（独自算出の注目度）: 19.520889098893395
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Predicting emotions elicited by news headlines can be challenging as the task is largely influenced by the varying nature of people's interpretations and backgrounds. Previous works have explored classifying discrete emotions directly from news headlines. We provide a different approach to tackling this problem by utilizing people's explanations of their emotion, written in free-text, on how they feel after reading a news headline. Using the dataset BU-NEmo+ (Gao et al., 2022), we found that for emotion classification, the free-text explanations have a strong correlation with the dominant emotion elicited by the headlines. The free-text explanations also contain more sentimental context than the news headlines alone and can serve as a better input to emotion classification models. Therefore, in this work we explored generating emotion explanations from headlines by training a sequence-to-sequence transformer model and by using pretrained large language model, ChatGPT (GPT-4). We then used the generated emotion explanations for emotion classification. In addition, we also experimented with training the pretrained T5 model for the intermediate task of explanation generation before fine-tuning it for emotion classification. Using McNemar's significance test, methods that incorporate GPT-generated free-text emotion explanations demonstrated significant improvement (P-value < 0.05) in emotion classification from headlines, compared to methods that only use headlines. This underscores the value of using intermediate free-text explanations for emotion prediction tasks with headlines.
- Abstract（参考訳）: ニュースの見出しによって引き起こされる感情を予測することは、そのタスクが人々の解釈や背景の様々な性質に大きく影響されるため、困難である。
これまでの研究は、ニュースの見出しから直接、離散的な感情を分類することを模索してきた。
我々は、ニュース見出しを読んでからどのように感じるか、自由テキストで書かれた人々の感情の説明を活用することで、この問題に対処する別のアプローチを提供する。
BU-NEMO+ (Gao et al , 2022) を用いて, 感情分類において, 自由文説明は見出しから引き出された支配的な感情と強い相関関係があることを見出した。
無料テキストの説明には、ニュースの見出しだけでなく感情的な文脈も含み、感情分類モデルへのより良いインプットとして機能する。
そこで本研究では,シーケンス・ツー・シーケンス・トランスフォーマーモデルをトレーニングし,事前学習した大規模言語モデルChatGPT(GPT-4)を用いて,見出しから感情の説明を生成する方法について検討した。
次に、生成した感情の説明を感情分類に利用した。
また、感情分類のための微調整の前に、説明生成中間タスクのための事前訓練されたT5モデルを訓練する実験を行った。
マクネマールの重要度テストを用いて、GPT生成の自由テキスト感情の説明を取り入れた手法は、見出しのみを使用する方法と比較して、見出しから感情分類において顕著な改善(P値 < 0.05)を示した。
このことは、感情予測タスクを見出し付きで中間的な自由テキスト記述を使用することの価値を浮き彫りにする。
関連論文リスト
- 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) - Towards Emotion-Based Synthetic Consciousness: Using LLMs to Estimate
Emotion Probability Vectors [0.32634122554913997]
本稿では,LLMを用いてテキストの感情状態の要約を推定する方法について述べる。
感情状態の要約は、感情を記述するために使われる単語の辞書であり、プロンプトの後に現れる単語の確率と一致する。
論文 参考訳（メタデータ） (2023-10-09T13:29:36Z) - Emotion and Sentiment Guided Paraphrasing [3.5027291542274366]
感情の勾配に沿ってきめ細かな感情的言い回しを新たに導入する。
入力テキストとターゲットテキストを微粒な感情ラベルで拡張することにより、広く使われているパラフレーズデータセットを再構築する。
本研究では,条件付きテキスト生成のための事前学習言語モデルを活用することで,感情と感情を導出するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-06-08T20:59:40Z) - Unsupervised Extractive Summarization of Emotion Triggers [56.50078267340738]
我々は、感情を共同で検出し、トリガーを要約できる新しい教師なし学習モデルを開発した。
Emotion-Aware Pagerankと題された私たちのベストアプローチは、外部ソースからの感情情報と言語理解モジュールを組み合わせたものです。
論文 参考訳（メタデータ） (2023-06-02T11:07:13Z) - Automatic Emotion Experiencer Recognition [12.447379545167642]
テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。
テキストにおける経験者検出は難題であり、精度は.82、リコールは.56(F1 =.66)であることを示す。
論文 参考訳（メタデータ） (2023-05-26T08:33:28Z) - Why Do You Feel This Way? Summarizing Triggers of Emotions in Social
Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。
我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。
分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文 参考訳（メタデータ） (2022-10-22T19:10:26Z) - 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) - Experiencers, Stimuli, or Targets: Which Semantic Roles Enable Machine
Learning to Infer the Emotions? [9.374871304813638]
我々は、少なくとも1つの意味的役割を持つ注釈付きデータセット上で感情分類モデルを訓練する。
複数のコーパス、刺激、ターゲットが感情情報を伝達しているのに対して、経験者は共同創設者と見なされるかもしれない。
論文 参考訳（メタデータ） (2020-11-03T10:01:44Z) - 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) - Emotion Carrier Recognition from Personal Narratives [74.24768079275222]
パーソナル・ナラティブズ(Personal Narratives、PN)は、自分の経験から事実、出来事、思考を回想するものである。
感情キャリア認識(ECR)のための新しい課題を提案する。
論文 参考訳（メタデータ） (2020-08-17T17:16:08Z) - Annotation of Emotion Carriers in Personal Narratives [69.07034604580214]
我々は、個人的物語(PN) - 話されたり書かれたり - 事実、出来事、思考の記憶 - を理解する問題に興味を持っている。
PNでは、感情担体(英: emotion carriers)は、ユーザの感情状態を最もよく説明する音声またはテキストセグメントである。
本研究は,音声対話における感情担持者を特定するためのアノテーションモデルを提案し,評価する。
論文 参考訳（メタデータ） (2020-02-27T15:42:39Z)
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。