Fugu-MT 論文翻訳(概要): Understanding Textual Emotion Through Emoji Prediction

論文の概要: Understanding Textual Emotion Through Emoji Prediction

arxiv url: http://arxiv.org/abs/2508.10222v1
Date: Wed, 13 Aug 2025 22:17:00 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-15 22:24:48.129617
Title: Understanding Textual Emotion Through Emoji Prediction
Title（参考訳）: 絵文字予測によるテキスト感情の理解
Authors: Ethan Gordon, Nishank Kuppa, Rigved Tummala, Sriram Anasuri,
Abstract要約: 本研究は,4つのディープラーニングアーキテクチャを用いた短いテキスト列からの絵文字予測について検討する。 BERTはトレーニング前の優位性のため、全体的なパフォーマンスが最も高い。 CNNは稀な絵文字クラスに対して優れた効果を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This project explores emoji prediction from short text sequences using four deep learning architectures: a feed-forward network, CNN, transformer, and BERT. Using the TweetEval dataset, we address class imbalance through focal loss and regularization techniques. Results show BERT achieves the highest overall performance due to its pre-training advantage, while CNN demonstrates superior efficacy on rare emoji classes. This research shows the importance of architecture selection and hyperparameter tuning for sentiment-aware emoji prediction, contributing to improved human-computer interaction.
Abstract（参考訳）: 本研究は,フィードフォワードネットワーク,CNN,トランスフォーマー,BERTという4つのディープラーニングアーキテクチャを用いて,短いテキストシーケンスから絵文字を予測する。 TweetEvalデータセットを用いて、焦点損失と正規化手法によるクラス不均衡に対処する。以上の結果から,BERTはトレーニング前の優位性から高い総合成績を示し,CNNは稀な絵文字クラスに対して優れた効果を示した。本研究は、感情認識型絵文字予測におけるアーキテクチャ選択とハイパーパラメータチューニングの重要性を示し、人間とコンピュータの相互作用の改善に寄与する。

関連論文リスト

The Prosody of Emojis [73.70220975424597]
本研究は,絵文字が音声の韻律的実現にどのように影響するか,また,聴取者が韻律的手がかりを解釈して意味を回復するかを検討する。従来の研究とは異なり、我々は、構造化されているがオープンな生産と知覚タスクを通して収集された実際の人間の音声データを分析して、韻律と絵文字を直接リンクする。その結果、話者は絵文字の手がかりに基づいて韻律を適応し、リスナーは韻律変化のみから意図した絵文字を識別することができ、絵文字間の意味的差異は韻律の発散の増加に対応していることがわかった。
論文参考訳（メタデータ） (2025-08-01T11:24:12Z)
Semantics Preserving Emoji Recommendation with Large Language Models [47.94761630160614]
既存の絵文字レコメンデーションメソッドは、ユーザーが元のテキストで選択した正確な絵文字にマッチする能力に基づいて、主に評価される。本稿では,ユーザのテキストとのセマンティックな整合性を維持する絵文字を推薦するモデルの能力を計測する,絵文字推薦のための新しいセマンティックス保存フレームワークを提案する。
論文参考訳（メタデータ） (2024-09-16T22:27:46Z)
Emoji Prediction in Tweets using BERT [0.0]
本稿では,広く使われている事前学習型言語モデルであるBERTを用いた絵文字予測のためのトランスフォーマーに基づく手法を提案する。我々はBERTをテキストと絵文字の両方を含む大量のテキスト(つぶやき)のコーパスで微調整し、与えられたテキストに対して最も適切な絵文字を予測する。実験の結果,提案手法は,75%以上の精度で絵文字の予測において,最先端のモデル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） (2023-07-05T06:38:52Z)
Emojich -- zero-shot emoji generation using Russian language: a technical report [52.77024349608834]
エモジッチ(Emojich)は、ロシア語の字幕を条件として絵文字を生成するテキスト・画像ニューラルネットワークである。我々は,事前訓練された大型モデルruDALL-E Malevich(XL) 1.3Bパラメータの微調整段階における一般化能力を維持することを目的としている。
論文参考訳（メタデータ） (2021-12-04T23:37:32Z)
Emoji-aware Co-attention Network with EmoGraph2vec Model for Sentiment Anaylsis [9.447106020795292]
我々はEmoGraph2vecと呼ばれる絵文字表現を学習し、絵文字対応のコアテンションネットワークを設計する手法を提案する。我々のモデルは、テキストと絵文字を組み込むコアテンション機構を設計し、圧縮と励起ブロックを畳み込みニューラルネットワークに統合する。実験結果から,提案モデルは,ベンチマークデータセットの感情分析において,いくつかのベースラインを上回り得ることが示された。
論文参考訳（メタデータ） (2021-10-27T08:01:10Z)
Semantic Journeys: Quantifying Change in Emoji Meaning from 2012-2018 [66.28665205489845]
絵文字のセマンティクスが時間とともにどのように変化するかに関する最初の縦断的研究を行い、計算言語学から6年間のtwitterデータに適用した。絵文字のセマンティックな発達において5つのパターンを識別し、抽象的な絵文字がより少ないほど意味的変化を起こす可能性が高くなることを示す。絵文字とセマンティクスに関する今後の作業を支援するために、私たちは、絵文字のセマンティックな変化を調べるために誰でも使用できるウェブベースのインターフェイスとともに、データを公開します。
論文参考訳（メタデータ） (2021-05-03T13:35:10Z)
Be More with Less: Hypergraph Attention Networks for Inductive Text Classification [56.98218530073927]
グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
論文参考訳（メタデータ） (2020-11-01T00:21:59Z)
Emoji Prediction: Extensions and Benchmarking [30.642840676899734]
絵文字予測タスクは、テキストに関連付けられた適切な絵文字セットを予測することを目的としている。我々は、絵文字予測タスクの既存の設定を拡張し、よりリッチな絵文字セットを含め、複数ラベルの分類を可能にする。トランスフォーマーネットワークに基づくマルチクラス・マルチラベル絵文字予測のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-07-14T22:41:20Z)

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。