感情分析は急速に成長しているが、範囲や方法についての合意がなく、重要な欠点がある。
小説の感情ダイナミクスは、物語の核心であり、キャラクターごとの感情軌跡を分析することが重要である。
カテゴリカル変数間の関連度を測定するためのベイズフレームワークが、Webディスコース内の感情ダイナミクスを明らかにする。
大規模な感情豊かなデータを効率的に処理し、正確性とコンピューティングリソースの要求のバランスを取ることが重要である。
関係グラフ畳み込みネットワーク(RGCN)を用いて、事前学習言語モデルの特徴を活用することで、テキストデータの複雑な関係性を捉え、感情分析タスクの性能を向上させる。