論文の概要: Busemann energy-based attention for emotion analysis in Poincaré discs

• arxiv url: http://arxiv.org/abs/2604.06752v1
• Date: Wed, 08 Apr 2026 07:19:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.388556
• Title: Busemann energy-based attention for emotion analysis in Poincaré discs
• Title（参考訳）: ポアンカレディスクにおける感情分析のためのブセマンエネルギーに基づく注意
• Authors: Zinaid Kapić, Vladimir Jaćimović,
• Abstract要約: EmBolicは、テキストメッセージから詳細な感情分析を行うための、完全に双曲的なディープラーニングアーキテクチャである。 EmBolicは、感情の連続的な空間の曲率を、メートル法構造を持たないカテゴリー集合として扱うのではなく、推測することを目指している。 我々の実験は、表現空間の小さな次元であっても、強い一般化特性と合理的に良い予測精度を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present EmBolic - a novel fully hyperbolic deep learning architecture for fine-grained emotion analysis from textual messages. The underlying idea is that hyperbolic geometry efficiently captures hierarchies between both words and emotions. In our context, these hierarchical relationships arise from semantic ambiguities. EmBolic aims to infer the curvature on the continuous space of emotions, rather than treating them as a categorical set without any metric structure. In the heart of our architecture is the attention mechanism in the hyperbolic disc. The model is trained to generate queries (points in the hyperbolic disc) from textual messages, while keys (points at the boundary) emerge automatically from the generated queries. Predictions are based on the Busemann energy between queries and keys, evaluating how well a certain textual message aligns with the class directions representing emotions. Our experiments demonstrate strong generalization properties and reasonably good prediction accuracy even for small dimensions of the representation space. Overall, this study supports our claim that affective computing is one of the application domains where hyperbolic representations are particularly advantageous.
• Abstract（参考訳）: EmBolic - テキストメッセージからきめ細かな感情分析を行うための,完全双曲型ディープラーニングアーキテクチャを提案する。 根底にある考え方は、双曲幾何学は言葉と感情の両方の階層を効率的に捉えることである。 我々の文脈では、これらの階層的関係は意味的あいまいさから生じる。 EmBolicは、感情の連続的な空間の曲率を、メートル法構造を持たないカテゴリー集合として扱うのではなく、推測することを目指している。 私たちのアーキテクチャの核心は、双曲円盤の注意機構です。 モデルはテキストメッセージからクエリ(双曲ディスクのポイント)を生成するように訓練され、キー(境界のポイント)は生成されたクエリから自動的に現れる。 予測は、クエリとキー間のBustemannエネルギーに基づいて、あるテキストメッセージが感情を表すクラス方向とどの程度うまく一致しているかを評価する。 我々の実験は、表現空間の小さな次元であっても、強い一般化特性と合理的に良い予測精度を示す。 本研究は,特に双曲表現が有利なアプリケーション領域の1つである,という我々の主張を支持する。

関連論文リスト

• Emotion Collider: Dual Hyperbolic Mirror Manifolds for Sentiment Recovery via Anti Emotion Reflection [19.83275015213163]
  Emotion Collider (EC-Net)は、マルチモーダルな感情と感情モデリングのためのハイパーグラフフレームワークである。 EC-Netは、Poincare-ballの埋め込みを使用して階層を表現し、ハイパーグラフ機構を通じて融合を行う。 実験の結果、EC-Netは頑健でセマンティックな一貫性のある表現を生成し、常に精度を向上することが示された。
  論文  参考訳（メタデータ） (2026-02-18T03:19:05Z)
• Are Emotions Arranged in a Circle? Geometric Analysis of Emotion Representations via Hyperspherical Contrastive Learning [18.807120508172407]
  本稿では,ハイパースフィア上でのコントラスト学習を通じて,言語モデル埋め込み内の円形感情表現を誘導する手法を提案する。 この円形アライメントは次元減少に対して優れた解釈性と頑健性を提供するが、高次元設定やきめ細かな分類における従来の設計に比べて性能が劣ることを示す。
  論文  参考訳（メタデータ） (2026-01-10T13:54:06Z)
• Enhancing Hyperbole and Metaphor Detection with Their Bidirectional Dynamic Interaction and Emotion Knowledge [32.35261857595496]
  双方向動的相互作用(EmoBi)に基づく感情誘導型ハイパーボラとメタファ検出フレームワークを提案する。 EmoBiは4つのデータセット上ですべてのベースラインメソッドより優れていることを示す。
  論文  参考訳（メタデータ） (2025-06-18T14:42:34Z)
• Compositional Entailment Learning for Hyperbolic Vision-Language Models [54.41927525264365]
  画像とテキストのペアを超えて、双曲的埋め込みの自然的階層性を完全に活用する方法を示す。 双曲型視覚言語モデルのための構成的包摂学習を提案する。 数百万の画像テキストペアで訓練された双曲型視覚言語モデルに対する経験的評価は、提案手法が従来のユークリッドCLIP学習より優れていることを示している。
  論文  参考訳（メタデータ） (2024-10-09T14:12:50Z)
• HyperMiner: Topic Taxonomy Mining with Hyperbolic Embedding [54.52651110749165]
  本稿では,単語や話題を表現するために,メタボリック埋め込みを導入した新しいフレームワークを提案する。 双曲空間のツリー様性により、下層のセマンティック階層はより解釈可能なトピックをマイニングするためによりうまく利用することができる。
  論文  参考訳（メタデータ） (2022-10-16T02:54:17Z)
• HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization [52.369435664689995]
  HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。 具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。 提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
  論文  参考訳（メタデータ） (2022-04-18T06:11:44Z)
• Chat-Capsule: A Hierarchical Capsule for Dialog-level Emotion Analysis [70.98130990040228]
  本稿では,発話レベルと対話レベルの両方の感情とその相互関係をモデル化したコンテキストベースの階層的注意カプセル(Chat-Capsule)モデルを提案する。 Eコマースプラットフォームの顧客サポートから収集したダイアログデータセットでは,ユーザの満足度や感情曲線のカテゴリも予測できる。
  論文  参考訳（メタデータ） (2022-03-23T08:04:30Z)
• A computational model implementing subjectivity with the 'Room Theory'. The case of detecting Emotion from Text [68.8204255655161]
  本研究は,テキスト分析における主観性と一般的文脈依存性を考慮した新しい手法を提案する。 単語間の類似度を用いて、ベンチマーク中の要素の相対的関連性を抽出することができる。 この方法は、主観的評価がテキストの相対値や意味を理解するために関係しているすべてのケースに適用できる。
  論文  参考訳（メタデータ） (2020-05-12T21:26:04Z)
• A Deep Neural Framework for Contextual Affect Detection [51.378225388679425]
  感情を持たない短い単純なテキストは、その文脈と共に読むときに強い感情を表現することができる。 文中の単語の相互依存を学習する文脈影響検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-01-28T05:03:15Z)

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。