論文の概要: ELSA: A Style Aligned Dataset for Emotionally Intelligent Language Generation

• arxiv url: http://arxiv.org/abs/2504.08281v1
• Date: Fri, 11 Apr 2025 06:30:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-14 14:20:31.107127
• Title: ELSA: A Style Aligned Dataset for Emotionally Intelligent Language Generation
• Title（参考訳）: ELSA:感情的知能言語生成のためのスタイル指向データセット
• Authors: Vishal Gandhi, Sagar Gandhi,
• Abstract要約: 既存の感情データセットには感情的な粒度が欠けているか、必要なスタイルの多様性を捉えていないかのどちらかがある。 本稿では,ELSA感情と言語スタイルアライメントという,体系的に構築された新しいデータセットを紹介する。 このデータセットは、異なる文脈スタイルで再生された原文の感情的ニュアンスのあるバリエーションを複数含む。
• 参考スコア（独自算出の注目度）: 0.29998889086656577
• License:
• Abstract: Advancements in emotion aware language processing increasingly shape vital NLP applications ranging from conversational AI and affective computing to computational psychology and creative content generation. Existing emotion datasets either lack emotional granularity or fail to capture necessary stylistic diversity, limiting the advancement of effective emotion conditioned text generation systems. Seeking to bridge this crucial gap between granularity and style diversity, this paper introduces a novel systematically constructed dataset named ELSA Emotion and Language Style Alignment Dataset leveraging fine grained emotion taxonomies adapted from existing sources such as dair ai emotion dataset and GoEmotions taxonomy. This dataset comprises multiple emotionally nuanced variations of original sentences regenerated across distinct contextual styles such as conversational, formal, poetic, and narrative, using advanced Large Language Models LLMs. Rigorous computational evaluation using metrics such as perplexity, embedding variance, readability, lexical diversity, and semantic coherence measures validates the datasets emotional authenticity, linguistic fluency, and textual diversity. Comprehensive metric analyses affirm its potential to support deeper explorations into emotion conditioned style adaptive text generation. By enabling precision tuned emotionally nuanced language modeling, our dataset creates fertile ground for research on fine grained emotional control, prompt driven explanation, interpretability, and style adaptive expressive language generation with LLMs.
• Abstract（参考訳）: 感情認識言語処理の進歩は、会話型AIや感情コンピューティングから、計算心理学や創造的コンテンツ生成まで、ますます重要なNLPアプリケーションを形成している。 既存の感情データセットには感情の粒度が欠けているか、必要なスタイルの多様性を捉えていないか、効果的な感情条件付きテキスト生成システムの進歩を制限する。 本稿では,この粒度とスタイルの多様性の欠如を補うために,Dair ai の感情データセットや GoEmotions の感情分類などの既存の情報源から適応した微粒な感情分類を利用した,ELSA の感情と言語スタイルのアライメントデータセットを体系的に構築した。 このデータセットは、対話型、形式型、詩型、物語型など、異なる文脈スタイルで再生される原文の感情的ニュアンスのあるバリエーションを、先進的な大言語モデル LLM を用いて構成する。 パープレキシティ、埋め込み分散、可読性、語彙的多様性、意味的コヒーレンス測定などの指標を用いた厳密な計算評価は、データセットの感情的正当性、言語的流布性、テキスト的多様性を評価する。 包括的計量分析は、感情条件付き適応テキスト生成のより深い探索を支援する可能性を実証する。 感情的ニュアンスのある言語モデリングを精度良く調整することで、我々のデータセットは、微粒な感情制御、素早い説明、解釈可能性、LLMを用いたスタイル適応表現言語生成の研究のための肥大な基盤を創出する。

関連論文リスト

• BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages [93.92804151830744]
  BRIGHTER - 28の異なる言語のマルチラベルデータセットのコレクション。 データ収集とアノテーションプロセスとこれらのデータセット構築の課題について説明する。 BRIGHTERデータセットは、テキストベースの感情認識のギャップを埋めるためのステップであることを示す。
  論文  参考訳（メタデータ） (2025-02-17T15:39:50Z)
• Enriching Multimodal Sentiment Analysis through Textual Emotional Descriptions of Visual-Audio Content [56.62027582702816]
  マルチモーダル・センティメント・アナリティクスは、テキスト、音声、視覚データを融合することで人間の感情を解き放つことを目指している。 しかし、音声やビデオの表現の中で微妙な感情的なニュアンスを認識することは、恐ろしい挑戦だ。 テキストの感情記述に基づくプログレッシブ・フュージョン・フレームワークであるDEVAを紹介する。
  論文  参考訳（メタデータ） (2024-12-12T11:30:41Z)
• Emotional Dimension Control in Language Model-Based Text-to-Speech: Spanning a Broad Spectrum of Human Emotions [37.075331767703986]
  現在の感情的テキスト音声システムは、人間の感情の全スペクトルを伝達する上で困難に直面している。 本稿では,3つの感情的次元 – 快楽,覚醒,支配 – に対してフレキシブルなユーザコントロールを提供するTTSフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-25T07:16:16Z)
• DurFlex-EVC: Duration-Flexible Emotional Voice Conversion Leveraging Discrete Representations without Text Alignment [34.19748360507656]
  DurFlex-EVCは、テキストやアライメント情報を必要とせずに動作する、持続的フレキシブルなECVフレームワークである。 本稿では,テキスト・テキスト・アライメントの不要さを解消し,コンテントを表す個別の単位に音声をアライメントすることで,文脈情報をモデル化するユニット・アライメント手法を提案する。 また、音声の感情特性を正確に操作できるように、コンテンツと感情のスタイルを効果的に切り離すスタイルオートエンコーダを設計する。
  論文  参考訳（メタデータ） (2024-01-16T03:39:35Z)
• Paralinguistics-Enhanced Large Language Modeling of Spoken Dialogue [71.15186328127409]
  パラリンGPT(Paralin GPT) モデルは、シリアライズされたマルチタスクフレームワーク内の入力プロンプトとして、テキスト、音声埋め込み、およびパラ言語属性の会話コンテキストを取る。 音声対話データセットとして,感情ラベルをパラ言語属性として含むSwitchboard-1コーパスを利用する。
  論文  参考訳（メタデータ） (2023-12-23T18:14:56Z)
• Emotion Rendering for Conversational Speech Synthesis with Heterogeneous Graph-Based Context Modeling [50.99252242917458]
  会話音声合成(CSS)は,会話環境の中で適切な韻律と感情のインフレクションで発話を正確に表現することを目的としている。 データ不足の問題に対処するため、私たちはカテゴリと強度の点で感情的なラベルを慎重に作成します。 我々のモデルは感情の理解と表現においてベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-12-19T08:47:50Z)
• Context Unlocks Emotions: Text-based Emotion Classification Dataset Auditing with Large Language Models [23.670143829183104]
  テキストデータに文脈情報がないため、テキストベースの感情分類データセットのアノテーションプロセスは困難である。 本稿では,このような文脈情報を強化するための促進戦略を動機付けるために,テキストコンテキストの形式的定義を提案する。 提案手法は, 経験的, 人的評価的両面から, 入力と人的アノテートラベルのアライメントを改善する。
  論文  参考訳（メタデータ） (2023-11-06T21:34:49Z)
• Dynamic Causal Disentanglement Model for Dialogue Emotion Detection [77.96255121683011]
  隠れ変数分離に基づく動的因果解離モデルを提案する。 このモデルは、対話の内容を効果的に分解し、感情の時間的蓄積を調べる。 具体的には,発話と隠れ変数の伝搬を推定する動的時間的ゆがみモデルを提案する。
  論文  参考訳（メタデータ） (2023-09-13T12:58:09Z)
• Emotion Embeddings $\unicode{x2014}$ Learning Stable and Homogeneous Abstractions from Heterogeneous Affective Datasets [4.720033725720261]
  感情の共有潜在表現を学習する訓練手順を提案する。 幅広い異種感情データセットの実験は、このアプローチが望ましい相互運用性をもたらすことを示している。
  論文  参考訳（メタデータ） (2023-08-15T16:39:10Z)
• 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)
• Reinforcement Learning for Emotional Text-to-Speech Synthesis with Improved Emotion Discriminability [82.39099867188547]
  感情的テキスト音声合成(ETTS)は近年大きく進歩している。 i-ETTSと呼ばれるETTSの新しい対話型トレーニングパラダイムを提案する。 i-ETTSの最適化品質を確保するため、強化学習による反復トレーニング戦略を策定します。
  論文  参考訳（メタデータ） (2021-04-03T13:52:47Z)

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。