Mar, 2024

K-Act2Emo：韩语基础知识图谱用于间接情感表达

PDF
TL;DR介绍了 K-Act2Emo，一个包含 1,900 个间接情绪表达及其可推测的情绪的韩国常识知识图谱，将推理类型分为正面情境推理、负面情境推理和表情不起感情作用的推理，与现有的知识图谱不同，K-Act2Emo 专注于情绪上下文，并通过实验证明其在训练情绪推理模型方面的有效性。该基于 BART 模型并经过 K-Act2Emo 微调的知识模型在性能上优于各种现有的韩国大语言模型，达到了与 GPT-4 Turbo 可比较的水平。
emotion inferencekorean commonsense knowledge graphindirect emotional expressionsemotion inference modelsbart-based knowledge model
发现论文，激发创造
  • 因果情感蕴涵的知识桥接因果交互网络

    本论文提出了利用常识知识作为桥梁的 Causal Emotion Entailment 方法，其中知识被用作三个桥梁，通过增强的图注意模块提取深层次的对话上下文信息，以及情感和行为相关的常识知识作为情感和动作相关的桥梁，使模型在情感识别方面呈现出了更好的性能。

    Dec, 2022

  • KOTE 韓國線上留言情感數據集用戶指南

    介绍了包含 43 种情感标签的韩文在线评论数据集 KOTE，其情感分类通过词嵌入空间下的集群分析建立，并讨论了社会歧视的细调和分析结果。

    May, 2022

  • 自然对话中连续情感识别的多模态传感器数据集 K-EmoCon

    本文介绍了 K-EmoCon 数据集，该数据集支持从多个角度评估社交互动中的持续情感，并包括音频 / 视觉记录、EEG 和外围生理信号等多模态测量。

    May, 2020

  • 中性言语也是因果关系：通过社会常识知识增强对话因果情绪蕴含

    本文提出一种通过将情感信息与社会常识知识引入图中，构建知识增强会话图（KEC）来增强会话因果推断的方法。实验证明，该方法可以更好地从目标言语中推断出不同情感的原因。

    May, 2022

  • 大型语言模型中出现的人类情感知识表示并支持离散情感推断

    本研究利用大型语言模型（LLMs）的人工神经元研究人类情感推断机制，发现 LLMs 基于情感知识的概念结构与人类行为中的离散情感的结构相似，且它基于 14 个概念属性的情感推断依赖程度与人类依赖程度相近，这为情感知识在大型语言模型中的出现提供了直接证据，并建议其对离散情感推断至关重要。

    Feb, 2023

  • 为移情式对话生成建立知识桥梁

    通过利用外部知识，包括常识和情感词汇知识，显式理解和表达情感，以生成共情响应，并通过情感交叉注意力机制从情感上理解和表达情感交互。

    Sep, 2020

  • 知识图谱增强的韩语生成式常识推理

    本文提出一种利用韩语知识图谱数据进行文本生成的方法，并强调使用补充数据可以增强韩语通识推理的效率。

    Jun, 2023

  • PO-EMO：德语和英语诗歌中审美情感的概念化、注释和建模

    通过注释实验和 BERT 分类器，我们研究了文学作品中的美学情感，包括复杂和微妙的情感，以及作者的意图和读者的反应之间的区别，并形成了一个对于未来大规模分析的一致数据集。

    Mar, 2020

  • 情感因果抽取的多任务学习与适配知识模型

    本研究提出利用常识模型和多任务学习相结合的方法，在情感识别和情感原因标记方面取得显著成效，并在模型性能分析方面进行了全面深入的探究。

    Jun, 2021

  • EmoMent：来自南亚两国的情感注释心理健康语料库

    研究开发了一种新的情感标注的心理健康语料库 (EmoMent)，从 Sri Lanka 和印度提取了 2802 篇 Facebook 帖子 (14845 句子)，并使用 RoBERTa 模型对其进行自动分类分析，证明了情感分析的潜力。

    Aug, 2022