Wyniki wyszukiwania - BazTech

1

Regulacja przestrzeni ukrytej wariacyjnego autoenkodera względem emocji generowanych sekwencji muzycznych

Grekow Jacek

Przegląd Elektrotechniczny

|

2025

|

R. 101, nr 4

172--177

PL

Artykuł przedstawienia nową regulację przestrzeni ukrytej wariacyjnego autoenkodera w celu jej powiązania z emocją generowanych przykładów muzycznych. Jako model emocji użyto dwuwymiarowy model Russella, którego 4 ćwiartki odpowiadają podstawowym emocjom, jak szczęście, złość, smutek i zadowolenie. Zbudowano modele wariacyjnego autoenkodera, wykorzystujące rekurencyjne sieci neuronowe, które uczono na zbiorze jednogłosowych muzycznych sekwencji oznaczonych emocjami. Ewaluacji poddano otrzymaną przestrzeń ukrytą, jak i wygenerowane pliki muzyczne o różnych emocjach.

EN

The article presents a new regulation of the latent space of a variational autoencoder in order to connect it with the emotion of generated music examples. A two-dimensional Russell model was used as the emotion model, with its 4 quadrants corresponding to basic emotions such as happiness, anger, sadness, and relaxation. Variational autoencoder models employing recurrent neural networks were constructed and trained on a dataset of monophonic music sequences labeled with emotions. The obtained latent space, as well as the generated music files with different emotions, were evaluated.

2

Extracting emotion-cause pairs: a BiLSTM-driven methodology

Chandra Raga Madhuri, Neelaiahgari Giri Venkata Sai Tej, Vanapalli Satya Sumanth

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2024

|

T. 14, nr 4

97--103

EN

Emotions are fundamental to human interactions, intricately influencing communication, behavior, and perception. Emotion-Cause Pair Extraction (ECPE) is a critical task in natural language processing that identifies clause pairs associating emotions with their corresponding triggers within textual documents. Unlike traditional Emotion Cause Extraction (ECE), which relies on pre-annotated emotion clauses, our study introduces a novel end-to-end model for ECPE. This innovative approach utilizes the extensive NTCIR-13 English Corpus to establish a robust baseline for ECPE in English, showcasing significant performance improvements over conventional multi-stage methods. Central to our model is the incorporation of Bidirectional Long Short-Term Memory (BiLSTM) networks, enhancing the ability to capture both local and global dependencies in textual sequences. By effectively combining contextual and positional embeddings, our model accurately predicts emotion-cause relationships, paving the way for a deeper understanding of emotional dynamics in conversational contexts and facilitating causal inference. Furthermore, our research highlights superior performance metrics, aligning its efficacy with state-of-the-art techniques in the field. This study advances emotion recognition in natural language processing, providing valuable insights for nuanced analyses of human emotions within textual data. Additionally, our findings enhance understanding of emotional intelligence in user interaction modeling and conversational AI applications. Through the public availability of our dataset and model, we aim to foster collaboration and further research in this vital area, ultimately improving the capacity for emotional understanding in applications ranging from sentiment analysis to interactive learning.

PL

Emocje mają fundamentalne znaczenie dla interakcji międzyludzkich, ściśle wpływając na komunikację, zachowanie i percepcję. Wyodrębnianie par emocja-przyczyna (ECPE) jest krytycznym zadaniem w przetwarzaniu języka naturalnego, które identyfikuje pary klauzul kojarzące emocje z odpowiadającymi im wyzwalaczami w dokumentach tekstowych. W przeciwieństwie do tradycyjnego wyodrębniania przyczyn emocji (ECE), które opiera się na wstępnie przypisanych klauzulach emocji, proponowane rozwiązanie wprowadza nowatorski kompleksowy model ECPE. To innowacyjne podejście wykorzystuje obszerny anglojęzyczny zbiór NTCIR-13 do ustanowienia solidnej podstawy dla ECPE w języku angielskim, wykazując znaczną poprawę wydajności w porównaniu z konwencjonalnymi metodami wieloetapowymi. Centralnym elementem modelu jest włączenie dwukierunkowych sieci pamięci długotrwałej (BiLSTM), co zwiększa zdolność do wychwytywania zarówno lokalnych, jak i globalnych zależności w sekwencjach tekstowych. Skutecznie łącząc osadzanie kontekstowe i pozycyjne, nasz model dokładnie przewiduje relacje emocji i przyczyn, torując drogę do głębszego zrozumienia dynamiki emocjonalnej w kontekstach konwersacyjnych i ułatwiając wnioskowanie przyczynowe. Co więcej, nasze badania podkreślają doskonałe wskaźniki wydajności, dostosowując ich skuteczność do najnowocześniejszych technik w tej dziedzinie. Badanie to rozwija rozpoznawanie emocji w przetwarzaniu języka naturalnego, dostarczając cennych spostrzeżeń dla zniuansowanych analiz ludzkich emocji w danych tekstowych. Ponadto nasze odkrycia zwiększają zrozumienie inteligencji emocjonalnej w modelowaniu interakcji użytkownika i konwersacyjnych aplikacjach AI. Poprzez publiczną dostępność naszego zbioru danych i modelu, dążymy do wspierania współpracy i dalszych badań w tym istotnym obszarze, ostatecznie poprawiając zdolność rozumienia emocji w zastosowaniach, od analizy nastrojów po interaktywne uczenie się.

3

Generowanie wielogłosowej muzyki o określonej emocji przy użyciu wariacyjnego autoenkodera

Grekow Jacek

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 6

225--229

PL

Artykuł przedstawienia proces budowy modelu generującego wielogłosowe muzyczne sekwencje o określonej emocji. Opisano w nim proces przygotowania bazy przykładów uczących i budowę modelu generatywnego na bazie wariacyjnego autoenkodera. Przedstawiono eksperymenty implementacji warstw konwolucyjnych przeznaczonych do analizy wizualnej reprezentacji przykładów muzycznych. Wygenerowane pliki muzyczne poddano ewaluacji przez użycie metryk i porównanie ze zbiorem treningowym.

EN

This article presents the process of building a system generating polyphonic music content with a specified emotion. The process of preparing a training files and building a generative model based on a variational autoencoder was described. Experiments on the implementation of convolutional layers intended for analysis of the musical examples were presented. The generated examples were evaluated by using metrics and comparing them with the training set.

4

Kształtowanie reakcji afektywnych u użytkownika stron internetowych

Zdonek I.

Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska

|

2012

|

z. 61

332--344

PL

Myśl przewodnia artykułu została oparta na modelu hierarchii reakcji konsumenta, a ściślej na jednym z poziomów tego modelu – poziomie afektywnym. Konsument postrzegany jest w artykule jako ten, który swe decyzje zakupowe podejmuje, opierając się na informacjach pochodzących również z Internetu. Dlatego też obszarem tematycznym badań jest komunikacja z konsumentem za pośrednictwem stron WWW. Obserwacji i analizie poddano najpopularniejsze formy komunikacji marketingowej, występujące na stronach WWW i opierające się na emocjach.

EN

The main them of these article is based on the model of consumer response hierarchy, closely on one of its level – the afective level. The consumer is in-terpeted like these one who makes his market decison basing on information comming also from the Internet. For these reason the thematic area of researches is comunication with consumer using web sites. In the researches the most popular forms of Website marketing communications basing on emotions were subjected to observation and analysis.