Apr, 2022

半监督学习的块分割矢量用于情绪激励预测

PDF
TL;DR本文提出了一种基于块分割矢量的方法来预测词的情感唤起水平，使用半监督学习从少量标记词中学习，并解决了情感和非情感单词混合的问题。实验表明，与 SentiWordNet 中的先前方法相比，使用块分割向量进行的唤起水平预测结果更好。
emotional expressionsrussell's circumplex modelsentiwordnetsemi-supervised learningarousal prediction
发现论文，激发创造
  • 泰卢固语歌曲歌词情绪的情感价值标注

    通过使用分类技术和 XLMRoBERTa 模型，为印度语歌曲的歌词建立了一个手动注释的数据集，并进行了音乐情感识别模型的测试。

    Mar, 2023

  • 基于生理信号的无监督情感识别的深度聚类

    情绪在人脑的认知过程中扮演重要角色，本研究提出了一种基于生理和心理数据的无监督深度聚类框架用于情绪识别。通过对 WESAD 数据集的测试，深度 k 均值和深度 c 均值在 Russell 情感模型的四个象限上具有 87% 的总体准确率，并通过主观评估结果初始化聚类，避免了需要标签的问题。

    Aug, 2023

  • 改进的文本情感预测通过结合价值和唤醒序列分类

    这篇论文介绍了一种从文本中分类情绪的方法，它针对各种情绪的多样性进行了差异化的识别，通过训练基于 Transformer 的模型建立了基准分类模型，并通过序数分类模型在情绪空间中考虑了情绪的价值和激活水平，结果表明该方法不仅能够准确预测情绪，而且在错分情况下显著降低了错误的程度。

    Apr, 2024

  • 利用语义信息和音频文本蒸馏模型实现高效的自监督情绪识别

    本文旨在将 HuBERT 等 self-supervised learning 的模型应用在 SER 系统中，并通过分析模型的每一层得出更好的情感识别效果，提出基于 audio-textual distilled SSL 的模型实现更为高效的情感识别。

    May, 2023

  • 自监督语音模型的探索：情感语料库研究

    本研究通过定量分析情感语料库探索了一种流行的自我监督模型 ——wav2vec 2.0，主要证明了：1）wav2vec 2.0 似乎会丢弃不太有用于词汇识别的语用信息；2）对于情感识别，只使用中间层的表示与对多个层求平均后的表示效果相当，在某些情况下，只使用最后一层的表示效果最差；3）现有的自我监督模型可能不是利用非词汇特征的下游任务的最佳解决方案，为该领域未来的研究提供新的发现和理论基础。

    Oct, 2022

  • 利用 Transformer 和弱监督学习建模书面故事中的情感轨迹

    通过研究连续情感评价模型，我们收集、分析了儿童故事中的情感内容，提出了一种弱监督学习的方法来预测故事情感变化的连续值，通过 DeBERTa 模型改进，达到了较高的相关性和有效性。

    Jun, 2024

  • 使用多语言预训练变压器量化文本情感的价值和唤起程度

    本研究利用预训练转换器对多语言和多领域的输入文本进行情感分析，使用基于趋势 - 唤醒维度的情感分析方法，比传统方法更细致地区分不同的情感，并发现模型大小对预测质量有显著影响，可自信地预测不同语言的趋势性和唤醒性。

    Feb, 2023

  • 利用自监督预训练的声学和语言特征进行连续语音情感识别

    本文研究音频和文本的预训练提取特征方法，使用 wav2vec 和 camemBERT 模型进行连续情感识别任务，同时采用 SEWA 数据集，证明 wav2vec 和 BERT 预训练特征的联合使用在处理连续 SER 任务中表现非常合适。通过实验证明，新方法的 CCC 值达到 0.825，而传统的 MFCC 和 word2vec 仅为 0.592。

    Nov, 2020

  • 朝向基于情绪的合成意识：使用 LLMs 估计情绪概率向量

    利用 LLMs（大型语言模型）估计与文本相关的情感状态摘要。通过对亚马逊产品评论的情感分析，将情感描述符映射到 PCA 类型的空间中，并探索通过尾部提示来引发改进当前文本状态的行动描述，然而实验结果表明这并不是一项直接可行的任务。

    Oct, 2023

  • SeerNet 在 SemEval-2018 任务 1 中的应用：针对推文情感的领域自适应

    该论文描述了针对 Valence 和情感的序列分类和回归子任务的 SemEval-2018 推文情感分析比赛中成绩最好的系统，该系统采用了四个不同模型的域自适应并创建了一个集成模型，实现了大幅度的性能提升。

    Apr, 2018