Emotion Analysis in NLP: Trends, Gaps and Roadmap for Future Directions

要約

感情はコミュニケーションの中心的な側面である。そのため、感情分析（EA）は自然言語処理（NLP）において急速に成長している分野である。しかし、その範囲、方向性、方法についてコンセンサスは得られていない。本稿では、過去10年間に発表された154の自然言語処理に関する論文を徹底的にレビューする。(1)言語処理におけるEAタスクはどのように定義されているのか？(2)最も著名な感情フレームワークは何か、またどの感情がモデル化されているか。 (3)感情の主観性は人口統計学や文化的要因の観点から考慮されているか。EAとタスクのトレンド、使用されている感情フレームワーク、既存のデータセット、メソッド、アプリケーションを概観する。(2)2つの主要な感情理論による感情カテゴリのタスクへの適合性の低さ、(3)標準化されたEA用語の欠如は、ギャップの特定、比較、将来の目標の妨げとなる、(4)学際的研究の欠如は、EAを他の分野の洞察から隔離する。私たちの研究は、EAのより集中的な研究と、NLPにおける感情のモデル化のより総合的なアプローチを可能にするでしょう。

要約(オリジナル)

Emotions are a central aspect of communication. Consequently, emotion analysis (EA) is a rapidly growing field in natural language processing (NLP). However, there is no consensus on scope, direction, or methods. In this paper, we conduct a thorough review of 154 relevant NLP publications from the last decade. Based on this review, we address four different questions: (1) How are EA tasks defined in NLP? (2) What are the most prominent emotion frameworks and which emotions are modeled? (3) Is the subjectivity of emotions considered in terms of demographics and cultural factors? and (4) What are the primary NLP applications for EA? We take stock of trends in EA and tasks, emotion frameworks used, existing datasets, methods, and applications. We then discuss four lacunae: (1) the absence of demographic and cultural aspects does not account for the variation in how emotions are perceived, but instead assumes they are universally experienced in the same manner; (2) the poor fit of emotion categories from the two main emotion theories to the task; (3) the lack of standardized EA terminology hinders gap identification, comparison, and future goals; and (4) the absence of interdisciplinary research isolates EA from insights in other fields. Our work will enable more focused research into EA and a more holistic approach to modeling emotions in NLP.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL