論文の概要: Surfacing the Unsaid: CUE-Bench for Affective Stance in Chinese Discourse

• arxiv url: http://arxiv.org/abs/2608.10810v2
• Date: Wed, 12 Aug 2026 09:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 14:28:20.623837
• Title: Surfacing the Unsaid: CUE-Bench for Affective Stance in Chinese Discourse
• Title（参考訳）: CUE-Benchは中国の言論に影響を及ぼす
• Authors: Zhenyan Zheng, Yunyao Zhang, Junxi Sheng, Junqing Yu, Zikai Song,
• Abstract要約: 我々は、Affective Stanceを中心にした中国のUnsaid EmotionベンチマークであるCUE Benchを紹介します。 CUE Benchは暗黙の極性相互作用から9つの人間の解釈可能な感情的姿勢を構築する。 実験により、Affective Stanceを組み込むことで、3.5ポイントの微粒な感情認識と7.8ポイントの実用的意図検出が改善された。
• 参考スコア（独自算出の注目度）: 14.449357265862998
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Emotion understanding in discourse requires reasoning beyond surface sentiment because speakers often convey affect through indirect, implicit, polite, ironic, or deliberately mismatched expressions. Existing emotion benchmarks mainly annotate surface polarity or final emotion categories, while lacking a structured account of how explicit expression, implicit affect, pragmatic intent, and fine grained emotion interact. This limitation makes current evaluations insensitive to cases where affective meaning is concealed, weakened, inverted, or pragmatically reshaped, thereby obscuring model failures in deeper emotion understanding. To address this gap, we introduce CUE Bench, a Chinese Unsaid Emotion benchmark that centers on Affective Stance and covers diverse communicative scenarios. CUE Bench constructs nine human interpretable affective stances from explicit implicit polarity interaction and further provides intent and fine grained emotion annotations for structured affective inference. Experiments show that incorporating Affective Stance improves fine grained emotion recognition by 3.5 percentage points and pragmatic intent detection by 7.8 percentage points over strong baselines.
• Abstract（参考訳）: 言論における感情理解は、間接的、暗黙的、礼儀正しい、皮肉、故意にミスマッチした表現を通して、話者がしばしば影響を伝達するため、表面的な感情以上の推論を必要とする。 既存の感情ベンチマークは、主に表面の極性または最終感情のカテゴリに注釈を付けるが、明示的な表現、暗黙の感情、実用的な意図、きめ細かい感情の相互作用に関する構造化された説明が欠けている。 この制限により、現在の評価は感情的な意味が隠されたり、弱くなったり、逆転したり、プラグマティックに作り直されたりした場合に敏感になり、より深い感情理解においてモデルの失敗を隠蔽する。 このギャップに対処するため、中国アンサイード感情ベンチマークであるCUE Benchを紹介し、Affective Stanceを中心に様々なコミュニケーションシナリオをカバーしている。 CUE Benchは、暗黙の極性相互作用から9つの人間の解釈可能な感情的姿勢を構築し、さらに構造化された感情的推論のための意図的およびきめ細かい感情的アノテーションを提供する。 実験により、Affective Stanceを組み込むことで、3.5ポイントの微粒な感情認識と7.8ポイントの実用的意図検出が改善された。

関連論文リスト

• The False Resonance: A Critical Examination of Emotion Embedding Similarity for Speech Generation Evaluation [66.28943752785906]
  感情的表現力の客観的指標は、特に表現的合成と音声変換において、音声生成に不可欠である。 言語や話者の変動にもかかわらず感情的な手がかりを捉えていると仮定して、感情2vecのようなエンコーダからの埋め込みのコサイン類似性を計算する。 分類精度が高いにもかかわらず、これらの潜伏空間はゼロショット類似性評価には適さない。
  論文  参考訳（メタデータ） (2026-04-29T06:59:48Z)
• Reflecting Twice before Speaking with Empathy: Self-Reflective Alternating Inference for Empathy-Aware End-to-End Spoken Dialogue [53.95386201009769]
  音声対話における共感的品質を評価するための記述型自然言語ベース評価モデルであるEmpathyEvalを紹介する。 本稿では,共感的自己反射的交替推論機構を通じて共感的対話を強化する,エンドツーエンドの音声言語モデルであるReEmpathyを提案する。
  論文  参考訳（メタデータ） (2026-01-26T09:04:50Z)
• Semantic Differentiation in Speech Emotion Recognition: Insights from Descriptive and Expressive Speech Roles [4.516156697420418]
  音声感情認識(SER)は、人間とコンピュータの相互作用を改善するために不可欠である。 音声の文脈的内容を表す記述的意味論と、話者の感情状態を反映する表現的意味論とを区別する。 我々の発見は、人間とAIのインタラクションにおけるSERの応用を知らせ、よりコンテキスト対応のAIシステムへの道を開いた。
  論文  参考訳（メタデータ） (2025-10-03T14:42:35Z)
• Context is Important in Depressive Language: A Study of the Interaction Between the Sentiments and Linguistic Markers in Reddit Discussions [2.6571678272335717]
  本研究では,抑うつにおける言語マーカーと感情表現の文脈としての議論トピックの影響について検討した。 我々の感情分析では、抑うつ者の感情の強さは、コントロールよりも否定的感情と肯定的感情の両方が高いことが判明した。
  論文  参考訳（メタデータ） (2024-05-28T11:19:39Z)
• Emotion and Sentiment Guided Paraphrasing [3.5027291542274366]
  感情の勾配に沿ってきめ細かな感情的言い回しを新たに導入する。 入力テキストとターゲットテキストを微粒な感情ラベルで拡張することにより、広く使われているパラフレーズデータセットを再構築する。 本研究では,条件付きテキスト生成のための事前学習言語モデルを活用することで,感情と感情を導出するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T20:59:40Z)
• CEFER: A Four Facets Framework based on Context and Emotion embedded features for Implicit and Explicit Emotion Recognition [2.5137859989323537]
  文レベルと単語レベルの両方でテキストを解析するフレームワークを提案する。 CEFER (Context and Emotion embedded Framework for Emotion Recognition) と呼ぶ。 CEFERは、暗黙の感情を含む各単語の感情ベクトルと、文脈に基づく各単語の特徴ベクトルを結合する。
  論文  参考訳（メタデータ） (2022-09-28T11:16:32Z)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)
• Perspective-taking and Pragmatics for Generating Empathetic Responses Focused on Emotion Causes [50.569762345799354]
  i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。 社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
  論文  参考訳（メタデータ） (2021-09-18T04:22:49Z)
• Knowledge Bridging for Empathetic Dialogue Generation [52.39868458154947]
  外部知識の不足により、感情的な対話システムは暗黙の感情を知覚し、限られた対話履歴から感情的な対話を学ぶことが困難になる。 本研究では,情緒的対話生成における感情を明確に理解し,表現するために,常識的知識や情緒的語彙的知識などの外部知識を活用することを提案する。
  論文  参考訳（メタデータ） (2020-09-21T09:21:52Z)

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。