K-Act2Emo: Korean Commonsense Knowledge Graph for Indirect Emotional Expression

要約

多くの文学テキストでは、感情は動作、顔の表情、外観の説明を通じて間接的に伝えられるため、物語を理解するには感情の推論が必要です。
本稿では、1,900の間接的な感情表現とそこから推測できる感情から構成される韓国の常識知識グラフ（CSKG）であるK-Act2Emoを紹介します。
推論のタイプを、ポジティブな状況での推論、ネガティブな状況での推論、表現が感情的な手がかりとして機能しない場合の推論に分類します。
既存の CSKG とは異なり、K-Act2Emo は感情コンテキストに特化しており、感情推論モデルのトレーニングにおけるその有効性が実験結果によって検証されています。
重要なことに、K-Act2Emo で微調整された BART ベースの知識モデルは、既存のさまざまな韓国語大規模言語モデルを上回り、GPT-4 Turbo に匹敵するパフォーマンス レベルを達成しています。

要約(オリジナル)

In many literary texts, emotions are indirectly conveyed through descriptions of actions, facial expressions, and appearances, necessitating emotion inference for narrative understanding. In this paper, we introduce K-Act2Emo, a Korean commonsense knowledge graph (CSKG) comprising 1,900 indirect emotional expressions and the emotions inferable from them. We categorize reasoning types into inferences in positive situations, inferences in negative situations, and inferences when expressions do not serve as emotional cues. Unlike existing CSKGs, K-Act2Emo specializes in emotional contexts, and experimental results validate its effectiveness for training emotion inference models. Significantly, the BART-based knowledge model fine-tuned with K-Act2Emo outperforms various existing Korean large language models, achieving performance levels comparable to GPT-4 Turbo.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google