論文の概要: Reasoning under Ambiguity: Uncertainty-Aware Multilingual Emotion Classification under Partial Supervision

• arxiv url: http://arxiv.org/abs/2602.05471v1
• Date: Thu, 05 Feb 2026 09:17:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.859861
• Title: Reasoning under Ambiguity: Uncertainty-Aware Multilingual Emotion Classification under Partial Supervision
• Title（参考訳）: あいまいさ下での推論:部分監督下での不確かさを意識した多言語感情分類
• Authors: Md. Mithun Hossaina, Mashary N. Alrasheedy, Nirban Bhowmick, Shamim Forhad, Md. Shakil Hossain, Sudipto Chaki, Md Shafiqul Islam,
• Abstract要約: 本稿では,多言語多言語感情分類のための不確実性認識フレームワークであるAmbiguityの下での推論を紹介する。 英語、スペイン語、アラビア語の感情分類ベンチマークの実験は、強いベースラインよりも一貫した改善を示している。
• 参考スコア（独自算出の注目度）: 0.4338886687456152
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Contemporary knowledge-based systems increasingly rely on multilingual emotion identification to support intelligent decision-making, yet they face major challenges due to emotional ambiguity and incomplete supervision. Emotion recognition from text is inherently uncertain because multiple emotional states often co-occur and emotion annotations are frequently missing or heterogeneous. Most existing multi-label emotion classification methods assume fully observed labels and rely on deterministic learning objectives, which can lead to biased learning and unreliable predictions under partial supervision. This paper introduces Reasoning under Ambiguity, an uncertainty-aware framework for multilingual multi-label emotion classification that explicitly aligns learning with annotation uncertainty. The proposed approach uses a shared multilingual encoder with language-specific optimization and an entropy-based ambiguity weighting mechanism that down-weights highly ambiguous training instances rather than treating missing labels as negative evidence. A mask-aware objective with positive-unlabeled regularization is further incorporated to enable robust learning under partial supervision. Experiments on English, Spanish, and Arabic emotion classification benchmarks demonstrate consistent improvements over strong baselines across multiple evaluation metrics, along with improved training stability, robustness to annotation sparsity, and enhanced interpretability.
• Abstract（参考訳）: 現代の知識に基づくシステムは、知的な意思決定を支援するために多言語感情の識別にますます依存しているが、感情の曖昧さと不完全な監督のために大きな課題に直面している。 テキストからの感情認識は、複数の感情状態がしばしば共起し、感情アノテーションがしばしば欠落または不均一であるため、本質的に不確実である。 多くの既存のマルチラベル感情分類法は、完全に観察されたラベルを仮定し、決定論的学習目標に依存しており、偏りのある学習や部分的な監督下での信頼できない予測につながる可能性がある。 本稿では,多言語多言語感情分類のための不確実性認識フレームワークであるAmbiguityの下での推論について紹介する。 提案手法では,言語固有の最適化を備えた共通多言語エンコーダとエントロピーに基づくあいまい度重み付け機構を用いて,ラベルの欠落を否定的な証拠として扱うのではなく,高度にあいまいなトレーニングインスタンスを減量する。 部分的監督下での堅牢な学習を可能にするために,正の未ラベル正規化によるマスク認識の目的がさらに組み込まれている。 英語、スペイン語、アラビア語の感情分類ベンチマークの実験では、複数の評価指標にまたがる強力なベースラインよりも一貫した改善が示されている。

関連論文リスト

• When Meanings Meet: Investigating the Emergence and Quality of Shared Concept Spaces during Multilingual Language Model Training [57.230355403478995]
  本研究では,EuroLLMの事前学習における言語に依存しない概念空間の開発について検討する。 共有概念空間は早期に出現し、洗練され続けていますが、それらとの整合性は言語に依存しています。 従来の作業とは対照的に、細かな手作業分析により、翻訳品質の顕著な向上は、行動の変化を反映していることが判明した。
  論文  参考訳（メタデータ） (2026-01-30T11:23:01Z)
• Emotion-Coherent Reasoning for Multimodal LLMs via Emotional Rationale Verifier [53.55996102181836]
  本稿では,感情関係検証器 (ERV) と説明リワードを提案する。 本手法は,対象感情と明確に一致した推論をモデルに導出する。 我々のアプローチは、説明と予測の整合性を高めるだけでなく、MLLMが感情的に一貫性があり、信頼できる対話を実現するのにも役立ちます。
  論文  参考訳（メタデータ） (2025-10-27T16:40:17Z)
• A Comprehensive Evaluation of Multilingual Chain-of-Thought Reasoning: Performance, Consistency, and Faithfulness Across Languages [48.68444770923683]
  マルチリンガル・チェーン・オブ・ソート(CoT)推論の最初の包括的研究について述べる。 LRMがターゲット言語ですぐに考えることができる場合、言語コンプライアンス、解答精度、解答一貫性を計測する。 思考の痕跡の質と有効性は、素早い言語によって大きく異なることがわかった。
  論文  参考訳（メタデータ） (2025-10-10T17:06:50Z)
• Mitigating Subgroup Disparities in Multi-Label Speech Emotion Recognition: A Pseudo-Labeling and Unsupervised Learning Approach [53.824673312331626]
  Implicit Demography Inference (IDI)モジュールは、k平均クラスタリングを用いて、音声感情認識(SER)におけるバイアスを軽減する 実験により、擬似ラベルIDIはサブグループの格差を減らし、フェアネスの指標を28%以上改善することが示された。 教師なしのIDIは、SERのパフォーマンスが3.6%未満のフェアネス指標を4.6%以上改善する。
  論文  参考訳（メタデータ） (2025-05-20T14:50:44Z)
• Continuous Adversarial Text Representation Learning for Affective Recognition [1.319058156672392]
  本稿では、トランスモデルにおける感情認識の埋め込みを強化するための新しいフレームワークを提案する。 提案手法は,コントラスト学習を導くために,連続原子価覚醒ラベリングシステムを導入する。 動的トークン摂動機構を用いて,感情関連トークンに着目し,感情的手がかりに対するモデル感度を向上させる。
  論文  参考訳（メタデータ） (2025-02-28T00:29:09Z)
• Handling Ambiguity in Emotion: From Out-of-Domain Detection to Distribution Estimation [45.53789836426869]
  感情に対する主観的な認識は、人間の注釈からの矛盾したラベルにつながる。 本稿では,あいまいな感情を扱う3つの方法について検討する。 分類器にラベルを付けない発話を付加クラスとして組み込むことで、他の感情クラスの分類性能が低下することを示す。 また,明快な深層学習を用いた感情分類における不確実性を定量化することにより,不明瞭な感情を伴う発話を領域外サンプルとして検出することを提案する。
  論文  参考訳（メタデータ） (2024-02-20T09:53:38Z)
• Towards A Robust Group-level Emotion Recognition via Uncertainty-Aware Learning [27.284076257222942]
  グループレベルの感情認識(GER)は、人間の行動分析の不可分な部分である。 GERのためのより堅牢な表現を抽出する不確実性認識学習(UAL)手法を提案する。 我々は,強騒音に対するモデルの頑健性を高めるために,画像強調モジュールを開発した。
  論文  参考訳（メタデータ） (2023-10-06T15:05:41Z)
• Estimating the Uncertainty in Emotion Class Labels with Utterance-Specific Dirichlet Priors [24.365876333182207]
  本稿では,発話ごとのディリクレの事前分布に基づく新たな訓練損失を提案する。 ラベル付けの不確かさの高い試験発話を検出することで、さらなる測定値を用いて性能を評価する。 広く使われているIEMOCAPデータセットによる実験は、2分岐構造が最先端の分類結果を達成することを示した。
  論文  参考訳（メタデータ） (2022-03-08T23:30:01Z)
• MEmoBERT: Pre-training Model with Prompt-based Learning for Multimodal Emotion Recognition [118.73025093045652]
  マルチモーダル感情認識のための事前学習モデル textbfMEmoBERT を提案する。 従来の「訓練前、微妙な」パラダイムとは異なり、下流の感情分類タスクをマスク付きテキスト予測として再構成するプロンプトベースの手法を提案する。 提案するMEMOBERTは感情認識性能を大幅に向上させる。
  論文  参考訳（メタデータ） (2021-10-27T09:57:00Z)
• SpanEmo: Casting Multi-label Emotion Classification as Span-prediction [15.41237087996244]
  マルチラベル感情分類をスパンプレディションとした新しいモデル「SpanEmo」を提案する。 入力文中の複数の共存感情をモデル化することに焦点を当てた損失関数を導入する。 SemEval2018マルチラベル感情データを3つの言語セットで実験した結果,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-01-25T12:11:04Z)

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。