論文の概要: Sentiment-Aware Extractive and Abstractive Summarization for Unstructured Text Mining
- arxiv url: http://arxiv.org/abs/2512.20404v1
- Date: Tue, 23 Dec 2025 14:48:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-24 19:17:49.909567
- Title: Sentiment-Aware Extractive and Abstractive Summarization for Unstructured Text Mining
- Title（参考訳）: 非構造化テキストマイニングのための感性認識抽出と抽象要約
- Authors: Junyi Liu, Stanley Kok,
- Abstract要約: 本稿では,感情信号をランキングや生成プロセスに埋め込むことで,抽出的(TextRank)および抽象的(UniLM)アプローチを拡張する感情認識フレームワークを提案する。
この二重設計は感情的なニュアンスとテーマ的関連性の獲得を改善し、動的オンライン環境におけるタイムリーな介入と戦略的意思決定を促進する感情に富んだ要約を生成する。
- 参考スコア（独自算出の注目度）: 4.500208956289746
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: With the rapid growth of unstructured data from social media, reviews, and forums, text mining has become essential in Information Systems (IS) for extracting actionable insights. Summarization can condense fragmented, emotion-rich posts, but existing methods-optimized for structured news-struggle with noisy, informal content. Emotional cues are critical for IS tasks such as brand monitoring and market analysis, yet few studies integrate sentiment modeling into summarization of short user-generated texts. We propose a sentiment-aware framework extending extractive (TextRank) and abstractive (UniLM) approaches by embedding sentiment signals into ranking and generation processes. This dual design improves the capture of emotional nuances and thematic relevance, producing concise, sentiment-enriched summaries that enhance timely interventions and strategic decision-making in dynamic online environments.
- Abstract（参考訳）: ソーシャルメディア, レビュー, フォーラムからの非構造化データの急速な増加に伴い, テキストマイニングは, 行動可能な洞察を抽出するために, 情報システム (IS) に欠かせないものとなっている。
要約は、断片的で感情に富んだポストを凝縮することができるが、既存の手法は、ノイズの多い非公式なコンテンツで構造化されたニュースストリングに最適化されている。
感情的手がかりは、ブランド監視や市場分析といったISのタスクにおいて重要であるが、短いユーザ生成テキストの要約に感情モデリングを統合する研究はほとんどない。
本稿では,感情信号をランキングや生成プロセスに埋め込むことで,抽出的(TextRank)および抽象的(UniLM)アプローチを拡張する感情認識フレームワークを提案する。
この二重設計は、感情的なニュアンスとテーマ的関連性の獲得を改善し、動的オンライン環境におけるタイムリーな介入と戦略的意思決定を強化する簡潔で感情に富んだ要約を生成する。
関連論文リスト
- Dynamic Span Interaction and Graph-Aware Memory for Entity-Level Sentiment Classification [0.2099922236065961]
SpanEITは、エンティティレベルの感情分類のための新しいフレームワークである。
動的スパン相互作用とグラフ対応メモリ機構を統合し、強化されたエンティティ・センチメント・リレーショナル・モデリングを行う。
FSAD、BARU、IMDBデータセットの実験では、SpanEITは最先端のトランスフォーマーとハイブリッドベースラインの精度、F1スコアを上回っている。
論文 参考訳（メタデータ） (2025-09-15T05:47:57Z) - Project Riley: Multimodal Multi-Agent LLM Collaboration with Emotional Reasoning and Voting [0.6157382820537719]
本稿では,感情状態に影響された推論のシミュレーションを目的とした,多モード・多モデル対話型AIアーキテクチャであるProject Rileyを提案する。
このシステムは、構造化された多ラウンド対話に携わる5つの異なる感情的エージェントから構成され、反応を生成、批判、反復的に洗練する。
このアーキテクチャには、高度な推論と自己修正プロセスとともに、テキストと視覚的大規模言語モデル(LLM)の両方が組み込まれている。
論文 参考訳（メタデータ） (2025-05-26T20:53:53Z) - Advancements in Natural Language Processing for Automatic Text Summarization [0.0]
著者らは抽出的手法と抽象的手法の両方を用いた既存のハイブリッド手法を探求した。
テキスト情報を要約するプロセスは、様々なテキストの複雑な書体によって著しく制約され続けている。
論文 参考訳（メタデータ） (2025-02-27T05:17:36Z) - 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) - SemanticBoost: Elevating Motion Generation with Augmented Textual Cues [73.83255805408126]
我々のフレームワークはセマンティック・エンハンスメント・モジュールとコンテキスト調整型モーション・デノイザ(CAMD)から構成されている。
CAMDアプローチは、高品質でセマンティックに一貫性のあるモーションシーケンスを生成するための全エンコンパスソリューションを提供する。
実験の結果,SemanticBoostは拡散法として自己回帰法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-10-31T09:58:11Z) - TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。
TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。
分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文 参考訳（メタデータ） (2023-06-06T03:37:41Z) - Factually Consistent Summarization via Reinforcement Learning with
Textual Entailment Feedback [57.816210168909286]
我々は,この問題を抽象的な要約システムで解くために,テキストエンテーメントモデルの最近の進歩を活用している。
我々は、事実整合性を最適化するために、レファレンスフリーのテキストエンターメント報酬を用いた強化学習を用いる。
自動測定と人的評価の両結果から,提案手法は生成した要約の忠実さ,サリエンス,簡潔さを著しく向上させることが示された。
論文 参考訳（メタデータ） (2023-05-31T21:04:04Z) - REDAffectiveLM: Leveraging Affect Enriched Embedding and
Transformer-based Neural Language Model for Readers' Emotion Detection [3.6678641723285446]
本稿では,REDAffectiveLMと呼ばれる深層学習モデルを用いて,短文文書からの読み手感情検出のための新しい手法を提案する。
コンテクストに特化してリッチ表現に影響を与え, リッチBi-LSTM+Attentionに影響を及ぼすタンデムにおいて, トランスフォーマーに基づく事前学習言語モデルを用いることで, リッチ表現に影響を及ぼす。
論文 参考訳（メタデータ） (2023-01-21T19:28:25Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z)
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。