論文の概要: Sentiment sensing: comparative analysis of multilingual sentiment dynamics

• arxiv url: http://arxiv.org/abs/2611.01348v1
• Date: Sat, 31 Oct 2026 23:34:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-04 23:36:30.467336
• Title: Sentiment sensing: comparative analysis of multilingual sentiment dynamics
• Title（参考訳）: 感性感覚:多言語感情動態の比較分析
• Abstract要約: 統合統計的手法によりこれらのギャップに対処するフレームワークである感情センシングを導入する。 我々のフレームワークは2つのケーススタディでテストされ、エネルギーと人工知能に関する欧州連合の27カ国のニュース記事を分析しました。
• 参考スコア（独自算出の注目度）: 20.471786968189644
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Cross-country sentiment analysis faces three fundamental challenges: language-specific biases distort comparisons, compositional data constraints invalidate standard statistics and temporal dynamics lack rigorous testing frameworks. We introduce sentiment sensing, a framework that addresses these gaps through integrated statistical methods. By combining compositional data analysis, functional data methods, and non-parametric inference, sentiment sensing enables valid multilingual comparisons and statistically defensible detection of sentiment shifts. Our framework has been tested in two case studies, analyzing news articles from the 27 countries of the European Union on the topics of energy and artificial intelligence. Sentiment sensing focuses on multilingual sentiment analysis enabling rigorous comparative science.
• Abstract（参考訳）: 言語固有のバイアスは比較を歪ませ、構成データの制約は標準統計を無効にし、時間ダイナミクスは厳密なテストフレームワークを欠いている。 統合統計的手法によりこれらのギャップに対処するフレームワークである感情センシングを導入する。 合成データ分析、機能的データ手法、および非パラメトリック推論を組み合わせることで、感情センシングは有効な多言語比較と統計的に確認可能な感情シフトの検出を可能にする。 我々のフレームワークは2つのケーススタディでテストされ、エネルギーと人工知能に関する欧州連合の27カ国のニュース記事を分析しました。 感性感覚は、厳密な比較科学を可能にする多言語感情分析に焦点を当てている。

関連論文リスト

• Contrastive Analysis of Linguistic Representations in Large Language Model Outputs through Structured Synthetic Data Generation and Abstracted N-gram Associations [0.0]
  異なる社会集団に関連する言語的・非帰的パターンを発見するための方法論的枠組みを提案する。 事前に決定された単語や表現のリストを通してバイアスを診断する代わりに、バイアスの微妙な表現を特徴付けることを目的としている。
  論文  参考訳（メタデータ） (2026-04-19T12:02:17Z)
• Floating or Suggesting Ideas? A Large-Scale Contrastive Analysis of Metaphorical and Literal Verb-Object Constructions [53.690096725532726]
  本研究では,2Mコーパス文中の297の英語動詞オブジェクト対(例:float idea vs. suggest idea)を分析した。 5つのNLPツールを用いて,感情的,語彙的,統語的,言論的な特徴を捉えた認知的・言語的特徴2,293点を抽出した。 クロスペアの結果は, 語彙頻度, 凝集度, 構造規則性が高く, 比喩的文脈は感情負荷, イメージ性, 語彙多様性, 構造的特異性を示す。
  論文  参考訳（メタデータ） (2026-04-09T14:08:57Z)
• 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)
• 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)
• Large Language Models Meet Text-Centric Multimodal Sentiment Analysis: A Survey [66.166184609616]
  ChatGPTは、テキスト中心のマルチモーダルタスクに大規模言語モデル(LLM)を適用する大きな可能性を開く。 既存のLLMがテキスト中心のマルチモーダル感情分析タスクにどのように適応できるかは、まだ不明である。
  論文  参考訳（メタデータ） (2024-06-12T10:36:27Z)
• Dialog speech sentiment classification for imbalanced datasets [7.84604505907019]
  本稿では,短対話発話の単一・二モーダル分析を用い,感情検出に寄与する主な要因について考察する。 本稿では、学習率スケジューラと異なる監視基準を用いて、SWITCHBOARDの不均衡感情データセットの最先端結果を提供するアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-09-15T11:43:04Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• BiERU: Bidirectional Emotional Recurrent Unit for Conversational Sentiment Analysis [18.1320976106637]
  会話感情分析と単文感情分析の主な違いは、文脈情報の存在である。 既存のアプローチでは、会話内の異なるパーティを区別し、コンテキスト情報をモデル化するために複雑なディープラーニング構造を採用している。 本稿では,会話感情分析のための双方向感情的反復単位という,高速でコンパクトでパラメータ効率のよい非依存フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-05-31T11:13:13Z)
• 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)

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。