Fugu-MT 論文翻訳(概要): Detecting Emotion Drift in Mental Health Text Using Pre-Trained Transformers

論文の概要: Detecting Emotion Drift in Mental Health Text Using Pre-Trained Transformers

arxiv url: http://arxiv.org/abs/2512.13363v1
Date: Mon, 15 Dec 2025 14:18:12 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-16 17:54:56.694779
Title: Detecting Emotion Drift in Mental Health Text Using Pre-Trained Transformers
Title（参考訳）: 事前学習型変換器を用いたメンタルヘルステキストの感情ドリフトの検出
Authors: Shibani Sankpal,
Abstract要約: 本研究では、文レベルの感情を検出し、DistilBERTやRoBERTaといった事前学習したトランスフォーマーモデルを用いて感情のドリフトスコアを測定する。その結果、メンタルヘルスの会話における感情的エスカレーションや救済のパターンに関する洞察が得られた。
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 study investigates emotion drift: the change in emotional state across a single text, within mental health-related messages. While sentiment analysis typically classifies an entire message as positive, negative, or neutral, the nuanced shift of emotions over the course of a message is often overlooked. This study detects sentence-level emotions and measures emotion drift scores using pre-trained transformer models such as DistilBERT and RoBERTa. The results provide insights into patterns of emotional escalation or relief in mental health conversations. This methodology can be applied to better understand emotional dynamics in content.
Abstract（参考訳）: 本研究は,心的健康関連メッセージ中の感情の漂流について検討した。感情分析は通常、メッセージ全体を肯定的、否定的、中立的なものに分類するが、メッセージの途中での感情の変化は見過ごされがちである。本研究では、文レベルの感情を検出し、DistilBERTやRoBERTaといった事前学習したトランスフォーマーモデルを用いて感情のドリフトスコアを測定する。その結果、メンタルヘルスの会話における感情的エスカレーションや救済のパターンに関する洞察が得られた。この方法論は、コンテンツの感情的ダイナミクスをよりよく理解するために適用することができる。

関連論文リスト

Do LLMs "Feel"? Emotion Circuits Discovery and Control [54.57583855608979]
本研究では、感情表現を引き起こす内部メカニズムと、生成したテキストにおける感情の制御について検討する。これは、大きな言語モデルで感情回路を発見し、検証する最初の体系的な研究である。
論文参考訳（メタデータ） (2025-10-13T12:24:24Z)
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)
Emotion Granularity from Text: An Aggregate-Level Indicator of Mental Health [25.166884750592175]
心理学において、個人の感情概念を区別する能力の変化を感情の粒度と呼ぶ。高い感情の粒度は、より良い精神と身体の健康と結びついている。低感情の粒度は、不適応な感情制御戦略や健康状態の悪化と結びついている。
論文参考訳（メタデータ） (2024-03-04T18:12:10Z)
Utterance Emotion Dynamics in Children's Poems: Emotional Changes Across Age [29.467916405081272]
我々は,様々な年齢の子どもが書いた詩から決定された感情力学の特徴を,辞書と機械学習に基づく手法を用いて定量化する。年齢とともに、感情的変動、上昇率(感情的反応性)、回復率(感情的規制)が増加する。
論文参考訳（メタデータ） (2023-06-08T17:38:14Z)
Why Do You Feel This Way? Summarizing Triggers of Emotions in Social Media Posts [61.723046082145416]
CovidET (Emotions and their Triggers during Covid-19)は、COVID-19に関連する英国のReddit投稿1,900件のデータセットである。我々は、感情を共同で検出し、感情のトリガーを要約する強力なベースラインを開発する。分析の結果,コビデットは感情特異的要約における新たな課題と,長文のソーシャルメディア投稿におけるマルチ感情検出の課題が示唆された。
論文参考訳（メタデータ） (2022-10-22T19:10:26Z)
Speech Synthesis with Mixed Emotions [77.05097999561298]
異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
論文参考訳（メタデータ） (2022-08-11T15:45:58Z)
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)
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 Correlation Mining Through Deep Learning Models on Natural Language Text [3.23176099204268]
Webニュースからの自然言語テキストを通して感情認識と感情相関のギャップを埋めようとしている。テキストによる感情認識から感情相関を抽出するために,3種類の特徴と2種類のディープニューラルネットワークモデルを示す。
論文参考訳（メタデータ） (2020-07-28T08:59:16Z)
Manipulating emotions for ground truth emotion analysis [0.5660207256468972]
本稿では,テキストを用いた感情分析手法として,実験行動研究からオンライン感情誘導技術を導入する。テキストデータは、幸せ、中立、悲しい状態にランダムに割り当てられた参加者から収集された。次に、レキシコンアプローチが誘発感情の回復にどの程度役立つかを検討した。
論文参考訳（メタデータ） (2020-06-16T07:03:28Z)

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。