要約
テキスト内の感情分析という用語には、コンピュータが感情を理解できるようにするという共通の目標を持つさまざまな自然言語処理タスクが含まれます。
最も一般的なのは、1 つまたは複数の感情を事前定義されたテキスト単位に割り当てる感情分類です。
このような設定は読者または作成者の感情を特定するのに適していますが、感情の役割のラベル付けでは、言及されたエンティティの視点が追加され、感情の原因に対応するテキスト スパンが抽出されます。
根底にある感情理論は 1 つの重要な点で一致しています。
感情は何らかの内部または外部の出来事によって引き起こされ、主観的な感情や認知的評価などのいくつかの下位要素で構成されます。
したがって、感情と出来事は 2 つの方法で関連していると主張します。
(1) 感情は出来事です。
そしてこの視点は、NLP における感情の役割のラベル付けの基礎です。
(2) 感情は出来事によって引き起こされます。
出来事を解釈するために心理的評価理論を NLP モデルに組み込む方法を研究によって明らかにする視点。
これら 2 つの研究方向、役割のラベル付けと (出来事に焦点を当てた) 感情の分類は、概して別々に取り組んできました。
私たちは、ドイツ研究財団から資金援助を受けたプロジェクト SEAT (テキストからの構造化マルチドメイン感情分析) と CEAT (感情分析のための評価理論に基づく計算イベント評価) で両方の方向に貢献しました。
この論文では、その結果を統合し、オープンな研究の方向性について議論します。
要約(オリジナル)
The term emotion analysis in text subsumes various natural language processing tasks which have in common the goal to enable computers to understand emotions. Most popular is emotion classification in which one or multiple emotions are assigned to a predefined textual unit. While such setting is appropriate to identify the reader’s or author’s emotion, emotion role labeling adds the perspective of mentioned entities and extracts text spans that correspond to the emotion cause. The underlying emotion theories agree on one important point; that an emotion is caused by some internal or external event and comprises several subcomponents, including the subjective feeling and a cognitive evaluation. We therefore argue that emotions and events are related in two ways. (1) Emotions are events; and this perspective is the fundament in NLP for emotion role labeling. (2) Emotions are caused by events; a perspective that is made explicit with research how to incorporate psychological appraisal theories in NLP models to interpret events. These two research directions, role labeling and (event-focused) emotion classification, have by and large been tackled separately. We contributed to both directions with the projects SEAT (Structured Multi-Domain Emotion Analysis from Text) and CEAT (Computational Event Evaluation based on Appraisal Theories for Emotion Analysis), both funded by the German Research Foundation. In this paper, we consolidate the findings and discuss open research directions.
arxiv情報
著者 | Roman Klinger |
発行日 | 2023-10-05 09:42:50+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google