[論文レビュー] A Review on Text-Based Emotion Detection -- Techniques, Applications, Datasets, and Future Directions

Sheetal Kusal, Shruti Patil+4 more|arXiv (Cornell University)|Apr 26, 2022

Sentiment Analysis and Opinion Mining被引用数 20

ひとこと要約

本論文は、2005年から2021年までの text-based emotion detection (TBED) に関する系統的文献レビューを実施し、主要なデータベースを横断して63件の研究を調査し、モデル、データセット、応用、および今後の課題を概説します。

ABSTRACT

Artificial Intelligence (AI) has been used for processing data to make decisions, interact with humans, and understand their feelings and emotions. With the advent of the internet, people share and express their thoughts on day-to-day activities and global and local events through text messaging applications. Hence, it is essential for machines to understand emotions in opinions, feedback, and textual dialogues to provide emotionally aware responses to users in today's online world. The field of text-based emotion detection (TBED) is advancing to provide automated solutions to various applications, such as businesses, and finances, to name a few. TBED has gained a lot of attention in recent times. The paper presents a systematic literature review of the existing literature published between 2005 to 2021 in TBED. This review has meticulously examined 63 research papers from IEEE, Science Direct, Scopus, and Web of Science databases to address four primary research questions. It also reviews the different applications of TBED across various research domains and highlights its use. An overview of various emotion models, techniques, feature extraction methods, datasets, and research challenges with future directions has also been represented.

研究の動機と目的

• オンラインコミュニケーションのテキスト量が増大する文脈の中で、text-based emotion detection (TBED) の研究を動機付ける。
• 2005–2021年に公表された既存の TBED 文献を系統的にレビューし、手法、データセット、応用を要約する。
• TBED の研究と実務を導くための研究ギャップと今後の方向性を特定する。

提案手法

• 2005年から2021年の間に公表された TBED 文献の系統的文献調査を実施する。
• IEEE、ScienceDirect、Scopus、Web of Science データベースからの63件の研究論文を検討する。
• 感情モデル、特徴抽出法、データセット、応用、および課題に関する情報を総合する。
• TBED における今後の方向性と潜在的な研究優先事項を強調する。

実験結果

リサーチクエスチョン

• RQ1 TBED に用いられる感情モデルは何で、それらは検出性能にどのように影響するか？
• RQ2 データセット全体で支配的な特徴抽出法とモデリング技術は何か？
• RQ3 TBED のデータセットにはどんなものがあり、それらの特徴と制約は何か？
• RQ4 TBED の主な応用と課題は何か、そして提案される今後の方向性は何か？

主な発見

• TBED はテキストデータの増加と感情を理解するAIの需要の高まりにより、注目を集めている。
• このレビューは、複数の分野にわたる TBED で用いられる感情モデル、特徴抽出法、およびデータセットを扱う。
• TBED の応用はビジネス、金融、その他の分野に及び、実用的な関連性を示している。
• 本論文は課題を論じ、TBED 研究を前進させる今後の方向性を概説する。