論文の概要: Acquiring Common Chinese Emotional Events Using Large Language Model

• arxiv url: http://arxiv.org/abs/2511.04989v1
• Date: Fri, 07 Nov 2025 05:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-10 21:00:44.684507
• Title: Acquiring Common Chinese Emotional Events Using Large Language Model
• Title（参考訳）: 大規模言語モデルを用いた共通中国語感情イベントの獲得
• Authors: Ya Wang, Guangzheng Zhu, Cungen Cao, Jingjing Li, He Li, Xin Huang,
• Abstract要約: 本論文の目的は,「賞を勝ち取る」や「批判を受ける」といった,中国語の一般的な情緒的な出来事を得ることである。 感情極性ラベル付き高品質の共通感情事象102,218件を収集する。
• 参考スコア（独自算出の注目度）: 16.35851006706535
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Knowledge about emotional events is an important kind of knowledge which has been applied to improve the effectiveness of different applications. However, emotional events cannot be easily acquired, especially common or generalized emotional events that are context-independent. The goal of this paper is to obtain common emotional events in Chinese language such as "win a prize" and "be criticized". Our approach begins by collecting a comprehensive list of Chinese emotional event indicators. Then, we generate emotional events by prompting a Chinese large language model (LLM) using these indicators. To ensure the quality of these emotional events, we train a filter to discard invalid generated results. We also classify these emotional events as being positive events and negative events using different techniques. Finally, we harvest a total of 102,218 high-quality common emotional events with sentiment polarity labels, which is the only large-scale commonsense knowledge base of emotional events in Chinese language. Intrinsic evaluation results show that the proposed method in this paper can be effectively used to acquire common Chinese emotional events. An extrinsic use case also demonstrates the strong potential of common emotional events in the field of emotion cause extraction (ECE). Related resources including emotional event indicators and emotional events will be released after the publication of this paper.
• Abstract（参考訳）: 感情的な出来事に関する知識は、異なるアプリケーションの有効性を改善するために応用された重要な種類の知識である。 しかし、感情的な出来事は、特に文脈に依存しない一般的な、あるいは一般化された感情的な出来事を容易に得ることはできない。 本論文の目的は,「賞を勝ち取る」や「批判を受ける」といった,中国語の一般的な情緒的な出来事を得ることである。 われわれのアプローチは、中国の感情的事象指標の包括的リストから始まる。 そして,これらの指標を用いて中国語大言語モデル(LLM)を刺激することで情緒的な事象を生成する。 これらの感情的な事象の品質を保証するため、フィルタをトレーニングして、無効な生成された結果を捨てる。 また、これらの感情的な出来事を、異なる手法を用いて肯定的な出来事と否定的な出来事と分類する。 最後に,中国語における感情事象の大規模常識知識基盤である感情極性ラベルを用いた,高品質な感情事象102,218件を収集する。 本研究で提案する手法は,中国における一般的な情緒的事象の獲得に有効であることを示す。 外部ユースケースはまた、感情原因抽出(ECE)の分野において、共通の感情事象の強い可能性を示す。 本論文の公開後,情緒的事象指標や情緒的出来事を含む関連資料を公表する。

関連論文リスト

• UDDETTS: Unifying Discrete and Dimensional Emotions for Controllable Emotional Text-to-Speech [61.989360995528905]
  制御可能な感情的TTSのための離散的感情と次元的感情を統一する普遍的なフレームワークであるUDDETTSを提案する。 このモデルは、次元的感情記述のための解釈可能なArousal-Dominance-Valence(ADV)空間を導入し、離散的な感情ラベルまたは非線形に定量化されたADV値によって駆動される感情制御をサポートする。 実験の結果, UDDETTSは3次元の線形感情制御を実現し, エンドツーエンドの感情音声合成能力に優れていた。
  論文  参考訳（メタデータ） (2025-05-15T12:57:19Z)
• Disentangle Identity, Cooperate Emotion: Correlation-Aware Emotional Talking Portrait Generation [63.94836524433559]
  DICE-Talkは、感情と同一性を切り離し、類似した特徴を持つ感情を協調するフレームワークである。 我々は、モーダル・アテンションを通して、音声と視覚の感情の手がかりを共同でモデル化するアンタングル型感情埋め込み装置を開発した。 次に,学習可能な感情バンクを用いた相関強化感情調和モジュールを提案する。 第3に、拡散過程における感情の一貫性を強制する感情識別目標を設計する。
  論文  参考訳（メタデータ） (2025-04-25T05:28:21Z)
• K-Act2Emo: Korean Commonsense Knowledge Graph for Indirect Emotional Expression [0.0]
  韓国のコモンセンス知識グラフ(CSKG)であるK-Act2Emoを紹介する。 我々は,肯定的な状況における推論,否定的な状況における推論,感情的な手がかりとして表現が役に立たない場合の推論に,推論型を分類する。 K-Act2Emoで微調整されたBARTベースの知識モデルは、GPT-4 Turboに匹敵するパフォーマンスレベルを達成し、韓国の様々な大規模言語モデルより優れている。
  論文  参考訳（メタデータ） (2024-03-21T09:26:04Z)
• 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)
• Language Models (Mostly) Do Not Consider Emotion Triggers When Predicting Emotion [87.18073195745914]
  人間の感情が感情の予測において有意であると考えられる特徴とどのように相関するかを検討する。 EmoTriggerを用いて、感情のトリガーを識別する大規模言語モデルの能力を評価する。 分析の結果、感情のトリガーは感情予測モデルにとって健全な特徴ではなく、様々な特徴と感情検出のタスクの間に複雑な相互作用があることが判明した。
  論文  参考訳（メタデータ） (2023-11-16T06:20:13Z)
• Where are We in Event-centric Emotion Analysis? Bridging Emotion Role Labeling and Appraisal-based Approaches [10.736626320566707]
  テキストにおける感情分析という用語は、様々な自然言語処理タスクを仮定する。 感情と出来事は2つの方法で関連していると我々は主張する。 我々は,NLPモデルに心理的評価理論を組み込んで事象を解釈する方法について議論する。
  論文  参考訳（メタデータ） (2023-09-05T09:56:29Z)
• x-enVENT: A Corpus of Event Descriptions with Experiencer-specific Emotion and Appraisal Annotations [13.324006587838523]
  感情分析のための分類設定は、感情のエピソードに関与する異なる意味的役割を含む統合的な方法で行うべきであると論じる。 心理学における評価理論に基づいて、我々は、記述された出来事記述の英文コーパスを編纂する。 この記述には感情に満ちた状況が描かれており、感情に反応した人々の言及が含まれている。
  論文  参考訳（メタデータ） (2022-03-21T12:02:06Z)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)

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。