論文の概要: An Innovative CGL-MHA Model for Sarcasm Sentiment Recognition Using the MindSpore Framework

• arxiv url: http://arxiv.org/abs/2411.01264v1
• Date: Sat, 02 Nov 2024 14:33:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-05 14:43:43.728370
• Title: An Innovative CGL-MHA Model for Sarcasm Sentiment Recognition Using the MindSpore Framework
• Title（参考訳）: MindSporeフレームワークを用いたサルカズム知覚認識のための革新的CGL-MHAモデル
• Authors: Zhenkai Qin, Qining Luo, Xunyi Nong,
• Abstract要約: サルカズムは、明らかに肯定的あるいは誇張された言語を通して否定的な感情を伝達する。 本稿では, CNN, Gated Recurrent Units (GRU), Long Short-Term Memory (LSTM), Multi-Head Attention 機構を統合した革新的な皮肉検出モデルを提案する。 HeadlinesとRiloffの2つの皮肉検出データセットの実験では、モデルが81.20%、F1スコアが80.77%に達することが示されている。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The pervasive use of the Internet and social media introduces significant challenges to automated sentiment analysis, particularly for sarcastic expressions in user-generated content. Sarcasm conveys negative emotions through ostensibly positive or exaggerated language, complicating its detection within natural language processing tasks. To address this, we propose an innovative sarcasm detection model integrating Convolutional Neural Networks (CNN), Gated Recurrent Units (GRU), Long Short-Term Memory (LSTM), and Multi-Head Attention mechanisms. The CNN component captures local n-gram features, while GRU and LSTM layers model sequential dependencies and contextual information. Multi-Head Attention enhances the model's focus on relevant parts of the input, improving interpretability. Experiments on two sarcasm detection datasets, Headlines and Riloff, demonstrate that the model achieves an accuracy of 81.20% and an F1 score of 80.77% on Headlines, and an accuracy of 79.72% with an F1 score of 61.39% on Riloff, outperforming traditional models. These results validate the effectiveness of our hybrid approach for sarcasm detection in social media texts.
• Abstract（参考訳）: インターネットとソーシャルメディアの普及は、特にユーザ生成コンテンツにおける皮肉表現において、感情分析の自動化に重大な課題をもたらす。 Sarcasmは、視覚的に肯定的あるいは誇張された言語を通して否定的な感情を伝達し、自然言語処理タスクにおけるその検出を複雑化する。 そこで本研究では、畳み込みニューラルネットワーク(CNN)、GRU(Gated Recurrent Units)、LSTM(Long Short-Term Memory)、マルチヘッドアテンション機構を統合した革新的な皮肉検出モデルを提案する。 CNNコンポーネントはローカルn-gramの機能をキャプチャし、GRUとLSTMレイヤはシーケンシャルな依存関係とコンテキスト情報をモデル化する。 マルチヘッドアテンションは、入力の関連部分にモデルを集中させ、解釈可能性を向上させる。 HeadlinesとRiloffの2つの皮肉検出データセットの実験では、このモデルが81.20%、F1スコアが80.77%、F1スコアが61.39%、従来のモデルを上回る精度が79.72%であることが示されている。 これらの結果は,ソーシャルメディアテキストにおけるサルカズム検出のためのハイブリッド手法の有効性を検証した。

関連論文リスト

• MC-QDSNN: Quantized Deep evolutionary SNN with Multi-Dendritic Compartment Neurons for Stress Detection using Physiological Signals [1.474723404975345]
  本研究では,時系列データの効率的な処理の代替手段として,MCLeaky(Multi-Compartment Leaky)ニューロンを提案する。 提案したMCLeakyニューロンに基づくスパイキングニューラルネットワークモデルとその量子化モデルは、最先端(SOTA)スパイキングLSTMに対してベンチマークされた。 その結果、MCLeaky活性化ニューロンを持つネットワークは、98.8%の精度でストレスを検出することができた。
  論文  参考訳（メタデータ） (2024-10-07T12:48:03Z)
• Accelerating Domain-Aware Electron Microscopy Analysis Using Deep Learning Models with Synthetic Data and Image-Wide Confidence Scoring [0.0]
  我々は物理に基づく合成画像とデータ生成装置を作成し、その結果、同等の精度(0.86)、リコール(0.63)、F1スコア(0.71)、エンジニアリング特性予測(R2=0.82)を実現する機械学習モデルを得た。 本研究は,合成データがMLの人間依存を排除し,画像毎に多くの特徴を検出する必要がある場合に,ドメイン認識の手段を提供することを示す。
  論文  参考訳（メタデータ） (2024-08-02T20:15:15Z)
• LGB: Language Model and Graph Neural Network-Driven Social Bot Detection [43.92522451274129]
  悪意のあるソーシャルボットは、誤った情報を広め、社会的世論を喚起することで、悪意ある目的を達成する。 言語モデル (LM) とグラフニューラルネットワーク (GNN) の2つの主要コンポーネントから構成される新しいソーシャルボット検出フレームワーク LGB を提案する。 2つの実世界のデータセットの実験では、LGBは最先端のベースラインモデルよりも最大10.95%向上している。
  論文  参考訳（メタデータ） (2024-06-13T02:47:38Z)
• Systematic Architectural Design of Scale Transformed Attention Condenser DNNs via Multi-Scale Class Representational Response Similarity Analysis [93.0013343535411]
  マルチスケールクラス表現応答類似性分析(ClassRepSim)と呼ばれる新しいタイプの分析法を提案する。 ResNetスタイルのアーキテクチャにSTACモジュールを追加すると、最大1.6%の精度が向上することを示す。 ClassRepSim分析の結果は、STACモジュールの効果的なパラメータ化を選択するために利用することができ、競争性能が向上する。
  論文  参考訳（メタデータ） (2023-06-16T18:29:26Z)
• LDEB -- Label Digitization with Emotion Binarization and Machine Learning for Emotion Recognition in Conversational Dialogues [0.0]
  会話における感情認識(ERC)は、会話AIとその応用の発展に不可欠である。 会話の対話は、各対話が感情の特徴記述子と感情タイプ(またはラベル)の関連を絡めるネストされた感情を描写するユニークな問題を示す。 テキスト正規化と7ビットディジタル符号化技術を用いて、ツイストをアンタングル化するLDEB(Label Digitization with Emotion Binarization)と呼ばれる新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-06-03T20:37:46Z)
• Continuous time recurrent neural networks: overview and application to forecasting blood glucose in the intensive care unit [56.801856519460465]
  連続時間自己回帰リカレントニューラルネットワーク(Continuous Time Autoregressive Recurrent Neural Network, CTRNN)は、不規則な観測を考慮に入れたディープラーニングモデルである。 重篤なケア環境下での血糖値の確率予測へのこれらのモデルの適用を実証する。
  論文  参考訳（メタデータ） (2023-04-14T09:39:06Z)
• HARDC : A novel ECG-based heartbeat classification method to detect arrhythmia using hierarchical attention based dual structured RNN with dilated CNN [3.8791511769387625]
  不整脈分類のための拡張CNN (HARDC) 法を用いたハイブリッド階層型双方向リカレントニューラルネットワークを開発した。 提案したHARDCは、拡張CNNと双方向リカレントニューラルネットワークユニット(BiGRU-BiLSTM)アーキテクチャをフル活用して、融合機能を生成する。 以上の結果から,複数種類の不整脈信号の分類を自動化し,高度に計算した手法が有望であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-06T13:26:29Z)
• Light-weighted CNN-Attention based architecture for Hand Gesture Recognition via ElectroMyography [19.51045409936039]
  畳み込みニューラルネットワーク(CNN)とアテンション機構に基づく軽量ハイブリッドアーキテクチャ(HDCAM)を提案する。 58,441個のパラメータを持つHDCAMモデルは、新しい最先端(SOTA)性能を82.91%、ウィンドウサイズが300msと200msの精度で達成した。
  論文  参考訳（メタデータ） (2022-10-27T02:12:07Z)
• Sign Language Recognition via Skeleton-Aware Multi-Model Ensemble [71.97020373520922]
  手話は一般的に、聴覚障害者やミュート人がコミュニケーションするために使われる。 孤立手話認識(SLR)のためのGlobal Ensemble Model(GEM)を用いた新しいマルチモーダルフレームワークを提案する。 提案するSAM-SLR-v2 フレームワークは極めて有効であり,最先端の性能を高いマージンで達成している。
  論文  参考訳（メタデータ） (2021-10-12T16:57:18Z)
• Neural Data-to-Text Generation via Jointly Learning the Segmentation and Correspondence [48.765579605145454]
  対象のテキストを断片単位に明示的に分割し,それらのデータ対応と整合させることを提案する。 結果として生じるアーキテクチャは、ニューラルアテンションモデルと同じ表現力を維持している。 E2EとWebNLGのベンチマークでは、提案モデルがニューラルアテンションよりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2020-05-03T14:28:28Z)
• Analyzing Redundancy in Pretrained Transformer Models [41.07850306314594]
  我々は、一般的な冗長性とタスク固有の冗長性という2つのクラスに分類される冗長性の概念を定義します。 提案手法は,ニューロンの10%以上を使用しながら,97%の性能を維持した効率的な特徴に基づく伝達学習手法である。
  論文  参考訳（メタデータ） (2020-04-08T14:29:23Z)

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。