論文の概要: Sentiment Analysis of German Sign Language Fairy Tales

• arxiv url: http://arxiv.org/abs/2604.16138v1
• Date: Fri, 17 Apr 2026 15:10:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.973418
• Title: Sentiment Analysis of German Sign Language Fairy Tales
• Title（参考訳）: ドイツ語手話童話の感性分析
• Authors: Fabrizio Nunnari, Siddhant Jain, Patrick Gebhard,
• Abstract要約: 本稿では,ドイツ手話(DGS)の童話の感情分析のためのデータセットとモデルを提案する。 最も重要な特徴を徹底的に分析した結果、顔の額や口の動きに加えて、腰、肘、肩の動きも、伝達された感情の識別に寄与していることが明らかとなった。
• 参考スコア（独自算出の注目度）: 4.981136225179584
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present a dataset and a model for sentiment analysis of German sign language (DGS) fairy tales. First, we perform sentiment analysis for three levels of valence (negative, neutral, positive) on German fairy tales text segments using four large language models (LLMs) and majority voting, reaching an inter-annotator agreement of 0.781 Krippendorff's alpha. Second, we extract face and body motion features from each corresponding DGS video segment using MediaPipe. Finally, we train an explainable model (based on XGBoost) to predict negative, neutral or positive sentiment from video features. Results show an average balanced accuracy of 0.631. A thorough analysis of the most important features reveal that, in addition to eyebrows and mouth motion on the face, also the motion of hips, elbows, and shoulders considerably contribute in the discrimination of the conveyed sentiment, indicating an equal importance of face and body for sentiment communication in sign language.
• Abstract（参考訳）: 本稿では,ドイツ手話(DGS)の童話の感情分析のためのデータセットとモデルを提案する。 まず,4つの大きな言語モデル (LLM) と多数決投票を用いて,ドイツのフェアリー物語のテキストセグメントの3段階(否定的,中立的,肯定的)の感情分析を行い,0.781クリッペンドルフのαという注釈間の合意に達した。 次に、MediaPipeを用いて、対応するDGSビデオセグメントから顔と体の動きの特徴を抽出する。 最後に、ビデオ機能から否定的、中立的、あるいは肯定的な感情を予測するために、説明可能なモデル(XGBoostに基づく)を訓練する。 平均平衡精度は0.631である。 最も重要な特徴を網羅的に分析したところ、顔の額や口の動きに加えて、腰、肘、肩の動きも伝達された感情の識別に大きく寄与し、手話における感情コミュニケーションにおける顔と身体の平等の重要性が示唆された。

関連論文リスト

• Boosting Accuracy and Interpretability in Multilingual Hate Speech Detection Through Layer Freezing and Explainable AI [0.0]
  本研究では,感情分析とヘイトスピーチ検出のための3つのトランスフォーマーモデルの性能について検討した。 評価は英語、韓国語、日本語、中国語、フランス語の5言語で行われている。 モデル決定に対する個々の単語の寄与を強調するために、局所解釈型モデル非依存説明(LIME)フレームワークを統合する。
  論文  参考訳（メタデータ） (2026-01-06T04:07:51Z)
• Ensembling Multilingual Transformers for Robust Sentiment Analysis of Tweets [0.0]
  本稿では,他言語の感情分析を用いたトランスフォーマーアンサンブルモデルと大規模言語モデル(LLM)を提案する。 次に,事前学習した感情分析モデル(bert-base-multilingual-uncased-sentiment,XLM-R)を用いて文に対する感性の評価を行った。 実験の結果, 感情分析性能は86%以上であった。
  論文  参考訳（メタデータ） (2025-09-28T21:34:48Z)
• EHSAN: Leveraging ChatGPT in a Hybrid Framework for Arabic Aspect-Based Sentiment Analysis in Healthcare [0.0]
  EHSANはデータ中心のハイブリッドパイプラインで、ChatGPTの擬似ラベリングと人間のレビューを融合して、医療のための最初の説明可能なアラビア語のアスペクトベースの感情データセットを構築する。 各文はアスペクトと感情ラベル(肯定的、否定的、中立的)で注釈付けされ、医療のテーマに沿った先駆的なアラビアのデータセットを形成する。 今後の方向性には、病院全体の一般化、迅速な改善、データ駆動モデリングの解釈などが含まれる。
  論文  参考訳（メタデータ） (2025-08-04T16:28:58Z)
• Multilingual Sentiment Analysis of Summarized Texts: A Cross-Language Study of Text Shortening Effects [42.90274643419224]
  要約は様々な形態を持つ言語における感情分析に大きな影響を及ぼす。 本研究では,英語,ドイツ語,フランス語,スペイン語,イタリア語,フィンランド語,ハンガリー語,アラビア語の感情分類における抽出的,抽象的要約効果について検討した。
  論文  参考訳（メタデータ） (2025-03-31T22:16:04Z)
• Signs as Tokens: A Retrieval-Enhanced Multilingual Sign Language Generator [55.94334001112357]
  テキスト入力から3Dサインアバターを自動回帰的に生成できる多言語手話モデルSigns as Tokens(SOKE)を導入する。 単語レベルの正確な記号を提供するために,外部記号辞書を組み込んだ検索強化SLG手法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T18:28:09Z)
• You Shall Know a Tool by the Traces it Leaves: The Predictability of Sentiment Analysis Tools [74.98850427240464]
  感情分析ツールが同じデータセットで一致しないことを示す。 感傷的アノテーションに使用される感情ツールは,その結果から予測できることを示す。
  論文  参考訳（メタデータ） (2024-10-18T17:27:38Z)
• Nonverbal Interaction Detection [83.40522919429337]
  この研究は、社会的文脈における人間の非言語的相互作用を理解するという新たな課題に対処する。 我々はNVIと呼ばれる新しい大規模データセットを寄贈し、人間とそれに対応する社会グループのための境界ボックスを含むように細心の注意を払ってアノテートする。 第2に,非言語的インタラクション検出のための新たなタスクNVI-DETを構築し,画像から三つ子を識別する。 第3に,非言語相互作用検出ハイパーグラフ (NVI-DEHR) を提案する。
  論文  参考訳（メタデータ） (2024-07-11T02:14:06Z)
• Linguistically Motivated Sign Language Segmentation [51.06873383204105]
  個々の記号へのセグメンテーションとフレーズへのセグメンテーションという2種類のセグメンテーションを考える。 本手法は手話コーパスで観察される言語的手がかりによって動機付けられている。 私たちは、主要なIOタグ付けスキームをBIOタグに置き換えて、継続的な署名を可能にします。
  論文  参考訳（メタデータ） (2023-10-21T10:09:34Z)
• USA: Universal Sentiment Analysis Model & Construction of Japanese Sentiment Text Classification and Part of Speech Dataset [0.0]
  本稿では,個々の単語と全体テキスト間の相互強化効果(MRE)を活用することで,性能の向上を提案する。 本研究を支援するために,4つの新しい感性テキスト分類と音声の一部(SCPOS)データセットをアノテートした。 さらに,7ビリオンのパラメータサイズを持つユニバーサル・センチメント・アナリティクス(USA)モデルを開発した。
  論文  参考訳（メタデータ） (2023-09-07T15:35:00Z)
• Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
  本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。 本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-06-11T20:15:21Z)

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。