論文の概要: EmoXpt: Analyzing Emotional Variances in Human Comments and LLM-Generated Responses

• arxiv url: http://arxiv.org/abs/2501.06597v1
• Date: Sat, 11 Jan 2025 17:45:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-14 14:27:07.383899
• Title: EmoXpt: Analyzing Emotional Variances in Human Comments and LLM-Generated Responses
• Title（参考訳）: EmoXpt:人間のコメントとLLM生成反応における感情変化の分析
• Authors: Shireesh Reddy Pyreddy, Tarannum Shaila Zaman,
• Abstract要約: 本研究では、ChatGPT、OpenAI、Copilot、LLMsといった人間のツイート参照用語を分析し、生成AIを取り巻く感情的ダイナミクスについて検討する。 生成AIに対する人間の視点と、ChatGPTの応答に埋め込まれた感情の両方を評価するために設計された感情分析フレームワークであるEmoXptを紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: The widespread adoption of generative AI has generated diverse opinions, with individuals expressing both support and criticism of its applications. This study investigates the emotional dynamics surrounding generative AI by analyzing human tweets referencing terms such as ChatGPT, OpenAI, Copilot, and LLMs. To further understand the emotional intelligence of ChatGPT, we examine its responses to selected tweets, highlighting differences in sentiment between human comments and LLM-generated responses. We introduce EmoXpt, a sentiment analysis framework designed to assess both human perspectives on generative AI and the sentiment embedded in ChatGPT's responses. Unlike prior studies that focus exclusively on human sentiment, EmoXpt uniquely evaluates the emotional expression of ChatGPT. Experimental results demonstrate that LLM-generated responses are notably more efficient, cohesive, and consistently positive than human responses.
• Abstract（参考訳）: 生成AIの普及はさまざまな意見を生み出し、個人はその応用に対する支持と批判の両方を表現している。 本研究では、ChatGPT、OpenAI、Copilot、LLMsといった人間のツイート参照用語を分析し、生成AIを取り巻く感情的ダイナミクスについて検討する。 ChatGPTの感情的インテリジェンスをより深く理解するために、選択したツイートに対する反応を調べ、人間のコメントとLLM生成反応の感情差を強調した。 生成AIに対する人間の視点と、ChatGPTの応答に埋め込まれた感情の両方を評価するために設計された感情分析フレームワークであるEmoXptを紹介する。 人間の感情のみに焦点を当てた以前の研究とは異なり、EmoXptはChatGPTの感情的表現を独自に評価している。 実験結果から, LLM生成反応はヒト反応よりも効率が高く, 密着性が高く, 一貫して肯定的であることが明らかとなった。

関連論文リスト

• MEMO-Bench: A Multiple Benchmark for Text-to-Image and Multimodal Large Language Models on Human Emotion Analysis [53.012111671763776]
  そこで本研究では、7,145枚の肖像画からなる総合的なベンチマークであるMEMO-Benchを紹介した。 以上の結果から,既存のT2Iモデルは負のモデルよりも肯定的な感情を生成するのに効果的であることが示唆された。 MLLMは人間の感情の識別と認識に一定の効果を示すが、人間のレベルの正確さには欠ける。
  論文  参考訳（メタデータ） (2024-11-18T02:09:48Z)
• Improved Emotional Alignment of AI and Humans: Human Ratings of Emotions Expressed by Stable Diffusion v1, DALL-E 2, and DALL-E 3 [10.76478480925475]
  生成AIシステムは、テキストや画像を通じて感情を表現する能力がますます高まっている。 生成的AIによって表現される感情と人間の知覚のアライメントを測定する。 我々は、アライメントが使用するAIモデルと感情そのものに大きく依存していることを示します。
  論文  参考訳（メタデータ） (2024-05-28T18:26:57Z)
• 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)
• Is ChatGPT More Empathetic than Humans? [14.18033127602866]
  我々は、人間とChatGPTが生み出す反応に対する共感のレベルを評価するために厳密な評価手法を用いる。 以上の結果から,ChatGPTが生成した反応の平均共感率は,ヒトが生成した反応よりも約10%高いことが示唆された。 ChatGPTに、その反応に共感の明確な理解を組み込むことを指示すると、反応は、高い共感の度合いを持つ個人の期待にほぼ5倍の精度で一致する。
  論文  参考訳（メタデータ） (2024-02-22T09:52:45Z)
• Enhancing Emotional Generation Capability of Large Language Models via Emotional Chain-of-Thought [50.13429055093534]
  大規模言語モデル(LLM)は様々な感情認識タスクにおいて顕著な性能を示した。 本研究では,感情生成タスクにおけるLLMの性能を高めるための感情連鎖(ECoT)を提案する。
  論文  参考訳（メタデータ） (2024-01-12T16:42:10Z)
• Use of a Taxonomy of Empathetic Response Intents to Control and Interpret Empathy in Neural Chatbots [4.264192013842096]
  オープンドメインの会話エージェントの領域における近年のトレンドは、感情的なプロンプトに共感的に会話できるようにすることである。 現在のアプローチでは、エンド・ツー・エンドのアプローチに従うか、同様の感情ラベルに応答を条件づけて共感的な反応を生成する。 我々は,次の応答の感情/意図を予測し,これらの予測された感情/意図に基づいて応答を生成するためのルールベースおよびニューラルアプローチを提案する。
  論文  参考訳（メタデータ） (2023-05-17T10:03:03Z)
• Exemplars-guided Empathetic Response Generation Controlled by the Elements of Human Communication [88.52901763928045]
  そこで本稿では, インターロケータへの共感を伝達する, 造形モデルによる細かな構造的特性の解明に先立って, 模範的手法を提案する。 これらの手法は, 自動評価指標と人的評価指標の両方の観点から, 共感的応答品質の大幅な改善をもたらすことを実証的に示す。
  論文  参考訳（メタデータ） (2021-06-22T14:02:33Z)
• Emotion-aware Chat Machine: Automatic Emotional Response Generation for Human-like Emotional Interaction [55.47134146639492]
  この記事では、投稿中のセマンティクスと感情を同時にエンコードできる、未定義のエンドツーエンドニューラルネットワークを提案する。 実世界のデータを用いた実験により,提案手法は,コンテンツコヒーレンスと感情の適切性の両方の観点から,最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-06T06:26:15Z)
• Emotion Eliciting Machine: Emotion Eliciting Conversation Generation based on Dual Generator [18.711852474600143]
  ユーザのポジティブな感情を誘発する応答を生成することを目的としたポジティブな感情抽出の問題を研究する。 この問題に対処するために,弱い教師付き感情除去機械(EEM)を提案する。 EEMは、ポジティブな感情抽出で応答を生成する際に既存のモデルより優れています。
  論文  参考訳（メタデータ） (2021-05-18T03:19:25Z)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)

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。