論文の概要: PERCEIVE: A Benchmark for Personalized Emotion and Communication Behavior Understanding on Social Media

• arxiv url: http://arxiv.org/abs/2605.12525v1
• Date: Fri, 10 Apr 2026 09:35:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 04:51:46.009978
• Title: PERCEIVE: A Benchmark for Personalized Emotion and Communication Behavior Understanding on Social Media
• Title（参考訳）: PerCEIVE:ソーシャルメディア上でのパーソナライズされた感情とコミュニケーション行動の理解のためのベンチマーク
• Authors: Jian Liao, Yujin Zheng, Suge Wang, Jianxing Zheng, Deyu Li,
• Abstract要約: PERCEIVEはソーシャルメディアにおける社会的知覚分析の新しいベンチマークである。 著者が作成したコンテンツ、真の読者の感情的なフィードバック、コミュニケーション行動、ユーザー属性、ソーシャルグラフの5つの重要な側面を統合するのは、これが初めてである。 PerCEIVEは、社会的文脈に根ざした感情と行動の本質的な結合をモデル化するためのユニークなリソースを提供する。
• 参考スコア（独自算出の注目度）: 12.727513169450503
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Current emotion analysis in social media is predominantly author-centric, failing to capture the subjective nature of emotional responses across diverse readers. This paradigm overlooks the crucial link between individual perception, communication behavior, and the underlying social network. To bridge this gap, we introduce PERCEIVE, a novel bilingual (English and Chinese) large-scale benchmark that, to the best of our knowledge, is the first to integrate five critical dimensions for social perception: author-created content, genuine readers' emotional feedback (derived from their comments), communication behavior, user attributes, and the social graph. This benchmark enables a paradigm shift towards truly personalized, reader-centric analysis, where different readers' emotional responses to the same content are naturally captured through their real-world interactions. By annotating emotions from reader comments and synchronously capturing communication intent, PERCEIVE provides a unique resource to model the intrinsic coupling between emotion and behavior, grounded in social context. We establish a comprehensive evaluation protocol, testing state-of-the-art methods, including large language models (LLMs) with advanced reasoning enhancement. Our findings reveal significant shortcomings in existing approaches when handling this multifaceted, user-aware task. PERCEIVE offers a foundational resource and clear direction for future research in socially-intelligent NLP, pushing models towards a more unified understanding of emotion on social media.
• Abstract（参考訳）: ソーシャルメディアにおける現在の感情分析は、主に著者中心であり、様々な読者の感情反応の主観的な性質を捉えていない。 このパラダイムは、個人の知覚、コミュニケーション行動、および基礎となるソーシャルネットワークとの重要なつながりを見落としている。 このギャップを埋めるために,我々は,新たなバイリンガル(英語と中国語)の大規模ベンチマークであるPERCEIVEを紹介した。このベンチマークは,私たちの知る限り,著者が作成したコンテンツ,真の読者の感情フィードバック(コメントから),コミュニケーション行動,ユーザ属性,ソーシャルグラフの5つの重要な側面を統合した最初のものだ。 このベンチマークにより、真のパーソナライズされた読者中心の分析へのパラダイムシフトが可能になる。 読者のコメントから感情を注釈付けし、コミュニケーション意図を同期的にキャプチャすることで、PERCEIVEは、社会的文脈に根ざした感情と行動の本質的な結合をモデル化するためのユニークなリソースを提供する。 我々は,大規模言語モデル (LLM) を含む最先端の手法をテストするための総合的な評価プロトコルを構築した。 この多面的ユーザ認識タスクに対処する場合,既存のアプローチに重大な欠点があることが判明した。 PERCEIVEは、ソーシャル・インテリジェントなNLPにおける将来の研究の基盤となるリソースと明確な方向性を提供し、ソーシャルメディア上での感情のより統一された理解に向けてモデルを推し進めている。

関連論文リスト

• A Unified Spoken Language Model with Injected Emotional-Attribution Thinking for Human-like Interaction [50.05919688888947]
  本稿では,感情的インテリジェンスのための統一言語モデルを提案する。 IEATは、ユーザーの感情状態とその根本原因をモデルの内部推論プロセスに組み込んでおり、明示的な監督として扱われるのではなく、感情を意識した推論を内部化することができる。 HumDial(Human-like Spoken Dialogue Systems Challenge)Emotional Intelligenceベンチマークの実験は、提案手法が感情軌道モデリング、感情的推論、共感的応答生成にまたがるトップランクのパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2026-01-08T14:07:30Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Bridging Cognition and Emotion: Empathy-Driven Multimodal Misinformation Detection [56.644686934050576]
  ソーシャルメディアは情報発信の主流となっているが、誤報の急速な拡散を助長している。 従来の誤報検出法は主に表面的な特徴に焦点を合わせ、伝播過程における人間の共感の重要な役割を見落としている。 著者と読者の両方の視点から誤情報を分析するために、認知的・感情的共感を統合したデュアル・アスペクト・共感フレームワーク(DAE)を提案する。
  論文  参考訳（メタデータ） (2025-04-24T07:48:26Z)
• Integrating Emotion Distribution Networks and Textual Message Analysis for X User Emotional State Classification [0.0]
  この研究は、テキストコンテンツにのみ焦点をあてた従来の感情分析手法が、重要な出来事に対する感情の識別に不十分であることを強調している。 提案手法では,感情分布パターンによる精度が12%向上し,ユーザプロファイルを考慮した場合,15%向上する。
  論文  参考訳（メタデータ） (2025-04-11T10:37:35Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Social media emotion macroscopes reflect emotional experiences in society at large [0.12656629989060433]
  ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。 近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。 社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
  論文  参考訳（メタデータ） (2021-07-28T09:40:42Z)
• EmoDNN: Understanding emotions from short texts through a deep neural network ensemble [2.459874436804819]
  本稿では,短い内容から潜伏した個々の側面を推定する枠組みを提案する。 また,テキストコンテキストから感情を抽出する動的ドロップアウト共振器を備えた新しいアンサンブル分類器を提案する。 提案モデルでは,ノイズのある内容から感情を認識する上で,高い性能を実現することができる。
  論文  参考訳（メタデータ） (2021-06-03T09:17:34Z)

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。