Webから獲得した感情生起要因コーパスに基づく感情推定

• Item type: Journal(1)
• 公開日: 2009-04-15
• タイトル: Webから獲得した感情生起要因コーパスに基づく感情推定
• タイトル / 言語: en
• タイトル: Emotion Classification Using Massive Examples Extracted from the Web
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: 一般論文
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 豊田中央研究所,奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): TOYOTA CENTRAL R&D LABS., INC.,NARA INSTITUTE of SCIENCE and TECHNOLOGY
• 著者所属(英): en
• 著者所属(英): NARA INSTITUTE of SCIENCE and TECHNOLOGY
• 著者所属(英): en
• 著者所属(英): NARA INSTITUTE of SCIENCE and TECHNOLOGY
• 著者名: 徳久, 良子; 乾, 健太郎; 松本, 裕治
• 著者名(英): Ryoko, Tokuhisa; Kentaro, Inui; Yuji, Matsumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本論では，ユーザ発話から，嬉しい，楽しい，悲しいなど10種類の感情を推定する手法を提案する．まず準備として我々は，Web上の明示的な感情表現を利用して人が感情を生起する要因を自動獲得した．その結果，約130万件の感情生起要因が獲得された．次に，これらの事例を利用して，下記の2段階で感情を推定する．まず，第1段階として，入力されたユーザ発話の感情極性を推定する．次に，第2段階として，あらかじめ推定した感情極性値と大量の感情生起要因とを利用して，ユーザ発話の感情を推定する．評価実験の結果，2段階の感情推定手法（感情極性を推定した後に感情を推定する手法）は，1段階の感情推定手法（直接感情を推定する手法）に比べて精度が高いことが分かった．特に，2段階の感情推定により，対話システムで致命的な誤応答の原因となる感情極性推定の誤りが有意に低減されることが分かった．また，感情語との相互情報量を用いて感情を推定する従来手法と比較した結果，我々の提案手法が有意に高い精度であることが確認された．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: In this paper, we propose a data-oriented method for inferring the emotion of a speaker conversing with a dialog system from the semantic content of his/her utterance. We first fully automatically obtain a huge collection of emotionprovoking event instances from the Web. About 1.3 million emotion provoking event instances are extracted using an emotion lexicon and lexical patterns. We then decompose the emotion classification task into two sub-steps: sentiment polarity classification (coarse-grained emotion classification), and emotion classification (fine-grained emotion classification). For each subtask, the collection of emotion-proviking event instances is used as labelled examples to train a classifier. The results of our experiments indicate that our method significantly outperforms the baseline method. We also find that compared with the singlestep model, which applies the emotion classifier directly to inputs, our two-step model significantly reduces sentiment polarity errors, which are considered fatal errors in real dialog applications.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN00116647
• 書誌情報: 情報処理学会論文誌; 巻 50, 号 4, p. 1365-1374, 発行日 2009-04-15
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7764