論文の概要: Continuous sentiment scores for literary and multilingual contexts

• arxiv url: http://arxiv.org/abs/2508.14620v1
• Date: Wed, 20 Aug 2025 11:18:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-21 16:52:41.434791
• Title: Continuous sentiment scores for literary and multilingual contexts
• Title（参考訳）: 文語・多言語文脈における連続感情スコア
• Authors: Laurits Lyngbaek, Pascale Feldkamp, Yuri Bizzoni, Kristoffer Nielbo, Kenneth Enevoldsen,
• Abstract要約: 本稿では,多言語文芸データに基づいて学習した概念ベクトル投影に基づく新しい連続感情スコアリング手法を提案する。 我々のアプローチは、英語とデンマーク語のテキスト上で既存のツールよりも優れており、人間の評価と密に一致した感情スコアを生み出している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Sentiment Analysis is widely used to quantify sentiment in text, but its application to literary texts poses unique challenges due to figurative language, stylistic ambiguity, as well as sentiment evocation strategies. Traditional dictionary-based tools often underperform, especially for low-resource languages, and transformer models, while promising, typically output coarse categorical labels that limit fine-grained analysis. We introduce a novel continuous sentiment scoring method based on concept vector projection, trained on multilingual literary data, which more effectively captures nuanced sentiment expressions across genres, languages, and historical periods. Our approach outperforms existing tools on English and Danish texts, producing sentiment scores whose distribution closely matches human ratings, enabling more accurate analysis and sentiment arc modeling in literature.
• Abstract（参考訳）: 感性分析はテキストにおける感情の定量化に広く用いられているが、文体テキストへの応用は、具体的言語、文体的あいまいさ、感情の喚起戦略などにより、独特な課題を生んでいる。 伝統的な辞書ベースのツールは、特に低リソース言語やトランスフォーマーモデルでは性能が劣るが、一般的には細粒度の分析を制限する粗い分類ラベルを出力する。 本稿では,多言語文学データに基づいて学習された概念ベクトル投影に基づく新たな連続感情スコアリング手法を提案する。 提案手法は、英語とデンマーク語のテキスト上で既存のツールよりも優れており、人間の評価と密に一致した感情スコアを生成し、文学におけるより正確な分析と感情アークモデリングを可能にしている。

関連論文リスト

• Multilingual Sentiment Analysis of Summarized Texts: A Cross-Language Study of Text Shortening Effects [42.90274643419224]
  要約は様々な形態を持つ言語における感情分析に大きな影響を及ぼす。 本研究では,英語,ドイツ語,フランス語,スペイン語,イタリア語,フィンランド語,ハンガリー語,アラビア語の感情分類における抽出的,抽象的要約効果について検討した。
  論文  参考訳（メタデータ） (2025-03-31T22:16:04Z)
• BRIGHTER: BRIdging the Gap in Human-Annotated Textual Emotion Recognition Datasets for 28 Languages [93.92804151830744]
  BRIGHTERは、28の言語で複数ラベル付き、感情アノテートされたデータセットの集合である。 データ収集とアノテーションプロセスに関する課題を強調します。 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に対処するための重要な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)
• MASIVE: Open-Ended Affective State Identification in English and Spanish [10.41502827362741]
  本研究は,人間が感情経験を説明するために使用する言葉を含む,事実上拘束力のないテクスタフェクティブな状態にまで範囲を広げる。 私たちは、英語とスペイン語でReddit投稿のデータセットであるMASIVEを収集し、公開しています。 このタスクでは、より小さな微調整された多言語モデルの方が、地域固有のスペイン感情状態においても、ずっと大きなLLMより優れていることが分かる。
  論文  参考訳（メタデータ） (2024-07-16T21:43:47Z)
• Large Language Models Meet Text-Centric Multimodal Sentiment Analysis: A Survey [66.166184609616]
  ChatGPTは、テキスト中心のマルチモーダルタスクに大規模言語モデル(LLM)を適用する大きな可能性を開く。 既存のLLMがテキスト中心のマルチモーダル感情分析タスクにどのように適応できるかは、まだ不明である。
  論文  参考訳（メタデータ） (2024-06-12T10:36:27Z)
• Testing the Ability of Language Models to Interpret Figurative Language [69.59943454934799]
  比喩的・比喩的な言語は言論において一般的である。 現代の言語モデルが非リテラルなフレーズをどの程度解釈できるかについては、未解決の疑問が残る。 ウィノグラードスタイルの非文字言語理解タスクであるFig-QAを紹介する。
  論文  参考訳（メタデータ） (2022-04-26T23:42:22Z)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Sentiment Analysis with Contextual Embeddings and Self-Attention [3.0079490585515343]
  自然言語では、単語や句の意図された意味はしばしば暗黙的であり、文脈に依存する。 本稿では,文脈埋め込みと自己認識機構を用いた感情分析の簡易かつ効果的な手法を提案する。 形態学的にリッチなポーランド語とドイツ語を含む3つの言語の実験結果から、我々のモデルは最先端のモデルに匹敵するか、さらに優れています。
  論文  参考訳（メタデータ） (2020-03-12T02:19:51Z)
• A Common Semantic Space for Monolingual and Cross-Lingual Meta-Embeddings [10.871587311621974]
  本稿では,モノリンガルおよびクロスリンガルなメタ埋め込みを作成するための新しい手法を提案する。 既存のワードベクトルは線形変換と平均化を用いて共通の意味空間に投影される。 結果として得られる言語間メタ埋め込みは、優れた言語間移動学習能力を示す。
  論文  参考訳（メタデータ） (2020-01-17T15:42:29Z)

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。