論文の概要: Linguistic Signatures for Enhanced Emotion Detection

• arxiv url: http://arxiv.org/abs/2603.20222v1
• Date: Wed, 04 Mar 2026 10:48:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 02:36:12.907845
• Title: Linguistic Signatures for Enhanced Emotion Detection
• Title（参考訳）: 強調感情検出のための言語信号
• Authors: Florian Lecourt, Madalina Croitoru, Konstantin Todorov,
• Abstract要約: 本研究では,言語的特徴がテキストにおける感情認識のための信頼性の高い解釈可能な信号として機能するかどうかを検討する。 13の英語データセットから感情特異的言語シグネチャを抽出し、これらの特徴をトランスフォーマーモデルに組み込むことがパフォーマンスに与える影響を評価する。 高レベルの言語的特徴に富んだRoBERTaベースのモデルは、GoEmotionsベンチマークで最大2.4マクロF1という一貫した性能向上を達成する。
• 参考スコア（独自算出の注目度）: 0.802904964931021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion detection is a central problem in NLP, with recent progress driven by transformer-based models trained on established datasets. However, little is known about the linguistic regularities that characterize how emotions are expressed across different corpora and labels. This study examines whether linguistic features can serve as reliable interpretable signals for emotion recognition in text. We extract emotion-specific linguistic signatures from 13 English datasets and evaluate how incorporating these features into transformer models impacts performance. Our RoBERTa-based models enriched with high level linguistic features achieve consistent performance gains of up to +2.4 macro F1 on the GoEmotions benchmark, showing that explicit lexical cues can complement neural representations and improve robustness in predicting emotion categories.
• Abstract（参考訳）: 感情検出はNLPの中心的な問題であり、近年の進歩は、確立されたデータセットに基づいてトレーニングされたトランスフォーマーベースのモデルによって駆動されている。 しかし、異なるコーパスやラベルにまたがる感情の表現を特徴付ける言語規則についてはほとんど知られていない。 本研究では,言語的特徴がテキストにおける感情認識のための信頼性の高い解釈可能な信号として機能するかどうかを検討する。 13の英語データセットから感情特異的言語シグネチャを抽出し、これらの特徴をトランスフォーマーモデルに組み込むことがパフォーマンスに与える影響を評価する。 高レベルの言語的特徴に富んだRoBERTaベースのモデルは、GoEmotionsベンチマークで最大2.4マクロF1という一貫したパフォーマンス向上を実現し、明示的な語彙的手がかりが神経表現を補完し、感情カテゴリーの予測における堅牢性を向上させることを示した。

関連論文リスト

• E^2-LLM: Bridging Neural Signals and Interpretable Affective Analysis [54.763420895859035]
  脳波からの感情分析のための最初のMLLMフレームワークであるELLM2-EEG-to-Emotion Large Language Modelを提案する。 ELLMは学習可能なプロジェクション層を通じて、トレーニング済みのEEGエンコーダとQベースのLLMを統合し、マルチステージのトレーニングパイプラインを使用する。 7つの感情カテゴリーにまたがるデータセット実験により, ELLM2-EEG-to-Emotion Large Language Modelは感情分類において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-01-11T13:21:20Z)
• EASL: Multi-Emotion Guided Semantic Disentanglement for Expressive Sign Language Generation [7.76229483761977]
  感情認識型サイン言語EASL(Emotion-Aware Sign Language)を提案する。 意味的特徴と感情的特徴を別々に抽出するために,段階的な訓練を施した感情意味的不絡みモジュールを導入する。 ポーズデコーディングの間、感情表現はセマンティックな相互作用を誘導し、7クラスの感情的自信スコアを持つサインポーズを生成し、感情的表現認識を可能にする。
  論文  参考訳（メタデータ） (2025-11-27T06:04:15Z)
• Enhancing Speech Emotion Recognition with Graph-Based Multimodal Fusion and Prosodic Features for the Speech Emotion Recognition in Naturalistic Conditions Challenge at Interspeech 2025 [64.59170359368699]
  自然条件課題におけるInterSPEECH 2025音声感情認識のための頑健なシステムを提案する。 提案手法は,最先端の音声モデルと韻律的・スペクトル的手法によって強化されたテキスト特徴を組み合わせる。
  論文  参考訳（メタデータ） (2025-06-02T13:46:02Z)
• When Words Smile: Generating Diverse Emotional Facial Expressions from Text [77.1867389815291]
  本稿では,感情動態に着目したエンドツーエンドのテキスト対表現モデルを提案する。 我々のモデルは連続的な潜伏空間における表情の変動を学習し、多様な、流動的で、感情的に一貫性のある表現を生成する。
  論文  参考訳（メタデータ） (2024-12-03T15:39:05Z)
• ASEM: Enhancing Empathy in Chatbot through Attention-based Sentiment and Emotion Modeling [0.0]
  本稿では,ユーザの発話の感情状態について,専門家の混在,複数エンコーダを用いた新たなソリューションを提案する。 本稿では,オープンドメインチャットボットの感情分析に基づいて感情分析を行うASEMというエンド・ツー・エンドのモデルアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-02-25T20:36:51Z)
• Fine-grained Affective Processing Capabilities Emerging from Large Language Models [7.17010996725842]
  本稿では,ChatGPTのゼロショット機能について,プロンプトのみを用いて情緒的な計算処理を行う方法について検討する。 b) 感情カテゴリーの観点で意味のある感情表現を持ち, c) 状況の基本的な評価に基づく感情誘発を行うことができることを示す。
  論文  参考訳（メタデータ） (2023-09-04T15:32:47Z)
• 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)
• Probing Speech Emotion Recognition Transformers for Linguistic Knowledge [7.81884995637243]
  音声認識の微調整における言語情報の利用状況について検討する。 テキストの感情を変化させながら、韻律的に中性な発話を合成する。 変圧器モデルの妥当性予測は、否定だけでなく、肯定的および否定的な感情内容に対して非常に反応するが、増強剤や還元剤には反応しない。
  論文  参考訳（メタデータ） (2022-04-01T12:47:45Z)
• Multimodal Emotion Recognition using Transfer Learning from Speaker Recognition and BERT-based models [53.31917090073727]
  本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。 本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
  論文  参考訳（メタデータ） (2022-02-16T00:23:42Z)
• Emotion pattern detection on facial videos using functional statistics [62.997667081978825]
  顔面筋運動の有意なパターンを抽出する機能的ANOVAに基づく手法を提案する。 感情群間の表現に時間的差があるかどうかを関数fテストを用いて判定する。
  論文  参考訳（メタデータ） (2021-03-01T08:31:08Z)

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。