“duygu analizi” için sonuçlar
35 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
EmoVerse: Görsel Duyguları Anlayan Yapay Zeka İçin Dev Veri Seti
Araştırmacılar, yapay zekanın görsel içeriklerdeki duyguları daha iyi anlaması için EmoVerse adlı kapsamlı bir veri seti geliştirdi. 219 bin görüntü içeren bu açık kaynak veri seti, görsellerdeki duygusal öğeleri detaylı şekilde analiz edebiliyor. Geleneksel yöntemlerden farklı olarak, her görseli arka plan-özellik-özne üçlüleri halinde parçalara ayırarak, hangi görsel unsurun hangi duyguyu tetiklediğini açıklayabiliyor. Bu yaklaşım, yapay zekanın duygusal analiz yeteneklerini önemli ölçüde geliştirerek, sosyal medya analizi, içerik moderasyonu ve insan-bilgisayar etkileşimi gibi alanlarda yeni imkanlar sunuyor.
Yapay Zeka Sistemlerinde Geri Alınabilir Duygu Analizi: MBD Yöntemi Geliştirildi
Araştırmacılar, çoklu veri türleri kullanan yapay zeka sistemlerinde gizlilik sorunlarını ele alan yeni bir yöntem geliştirdi. Missing-by-Design (MBD) adlı bu framework, kullanıcıların talep etmesi halinde belirli veri türlerinin sistem hafızasından silinebilmesini sağlıyor. Özellikle duygu analizi yapan sistemlerde, ses, görüntü veya metin gibi farklı veri modalitelerinden herhangi birinin geri alınabilir olması için tasarlandı. Sistem, silinenin yerine yapay olarak benzer veri üretebiliyor ve bu sürecin doğrulanabilir bir sertifikasını sunuyor. Bu yaklaşım, kişisel verilerin korunması konusundaki yasal düzenlemelere uyum sağlamak isteyen teknoloji şirketleri için önem taşıyor.
Kişilik Yapısı Duyguları Nasıl Şekillendiriyor? Yeni Veri Seti Açığa Çıkardı
Araştırmacılar, aynı olayı farklı kişilik yapılarına sahip insanların nasıl farklı duygusal tepkilerle karşıladığını inceleyen kapsamlı bir veri seti geliştirdi. Persona-E² adlı bu veri seti, MBTI ve Büyük Beşli kişilik testleri temelinde, haber metinleri, sosyal medya paylaşımları ve yaşam hikayelerine verilen duygusal tepkileri haritalıyor. Çalışma, mevcut yapay zeka sistemlerinin kişilik tabanlı duygu değişimlerini anlamada yetersiz kaldığını ortaya koyuyor. Bu araştırma, duygusal zekanın kişiselleştirilmesi ve yapay zekanın insan psikolojisini daha iyi anlayabilmesi açısından önemli bir adım teşkil ediyor.
Yüz ifadeleri ve kas hareketleri arasında çift yönlü öğrenme yapay zekası geliştirildi
Araştırmacılar, yüz ifadelerini ve yüz kaslarının hareketlerini birlikte analiz edebilen yeni bir yapay zeka sistemi geliştirdi. Geleneksel yaklaşımlar sadece kas hareketlerinden ifadelere doğru bilgi transferi yapabiliyordu, ancak yeni sistem her iki yönde de öğrenme gerçekleştirebiliyor. Sistem, farklı veri setlerindeki etiketleme farklılıklarını ve veri çeşitliliği sorunlarını çözmek için Yapısal Anlamsal Haritalama (SSM) framework'ünü kullanıyor. Bu teknoloji, duygusal davranış analizi, insan-bilgisayar etkileşimi ve psikolojik araştırmalar gibi alanlarda önemli uygulamalara sahip olabilir.
Yapay Zeka Duygu Analizi: Ses ve Görüntünün Metinle Daha İyi İşbirliği
Araştırmacılar, insanların duygularını metin, ses ve görüntüyü birlikte analiz ederek daha doğru anlayan yeni bir yapay zeka sistemi geliştirdi. Mevcut sistemlerde metin modalitesi diğerlerini gölgede bırakırken, yeni EBMC çerçevesi tüm veri türlerinin etkili kullanımını sağlıyor. Sistem, zayıf modaliteleri güçlendiren semantik ayrıştırma ve modaliteler arası dengeleme mekanizması kullanıyor. Bu yaklaşım, gürültülü veriler veya eksik modalitelerle karşılaştığında bile daha dayanıklı sonuçlar üretiyor. Duygu analizi teknologisinin gelişimi, sosyal medya analizi, müşteri hizmetleri ve insan-bilgisayar etkileşimi alanlarında önemli uygulamalara sahip.
Göçmenlerin Haber Tüketim Alışkanlıkları Yapay Zeka ile İncelendi
Avrupa'da yaşayan Fransızca konuşan göçmenlerin yerel haberlerle nasıl etkileşime girdiğini araştıran yeni bir çalışma, toplum ihtiyaçları ile medya içeriği arasındaki boşlukları ortaya koydu. Araştırmacılar, odak grup görüşmeleri ve doğal dil işleme teknikleriyle 2000'den fazla yerel haber makalesini analiz etti. Çalışma, konu modellemesi, duygu analizi ve okunabilirlik ölçümlerini kullanarak göçmen toplumunun medya ihtiyaçlarını değerlendirdi. Bulgular, yerel etkinliklerin sıkça haber yapıldığını ancak göçmenler için önemli konularda boşluklar olduğunu gösterdi. Haberlerin genellikle orta-ileri Fransızca seviyesinde yazıldığı tespit edildi ve bu durum entegrasyon açısından erişilebilirlik sorularını gündeme getirdi. Araştırma, yerel medya platformları ile toplum ihtiyaçları arasındaki köprüyü güçlendirmeyi hedefliyor.
Yapay Zeka Duygu Analizi Tutarsızlığı İçin Yeni Çözüm: SSAS Çerçevesi
Büyük dil modelleri (LLM'ler) işletme analitiğinde kullanılırken karşılaşılan en büyük sorun, bu modellerin rastgele doğası ile analitik tutarlılık gereksinimleri arasındaki çelişkidir. Araştırmacılar, duygu analizi tahminlerindeki bu tutarsızlığı çözmek için SSAS (Syntactic & Semantic Context Assessment Summarization) adlı yeni bir çerçeve geliştirdi. Bu sistem, hiyerarşik sınıflandırma yapısı ve yinelemeli özetleme mimarisi kullanarak, LLM'lerin dikkat mekanizmasını sınırlandırıyor ve ham metinleri yüksek sinyalli, duygu yoğunluklu verilere dönüştürüyor. SSAS çerçevesi, gürültülü modern veri setleriyle çalışırken daha tutarlı sonuçlar elde etmeyi hedefliyor ve stratejik iş kararları için güvenilir duygu tahminleri sunmayı amaçlıyor.
Robotlar Filmleri İnsanlar Gibi İzleyip Duygularını Anlayabilecek
Araştırmacılar, robotların filmleri ekran üzerinden izleyerek insan duygularını anlayabilmesi için yeni bir yapay zeka sistemi geliştirdi. EgoScreen-Emotion adlı veri seti, robotların gerçek dünya koşullarında film izlerken karşılaştıkları görüş açısı değişiklikleri, ışık farklılıkları ve çevresel etkileri göz önünde bulunduruyor. Sistem, 224 film fragmanı ve 28.667 anahtar kare üzerinde eğitildi. Bu teknoloji, gelecekte insanlarla etkileşim kuran robot asistanların duygusal durumumuzu daha iyi anlayabilmesi için önemli bir adım teşkil ediyor.
Yapay Zeka Alman İşaret Dilindeki Duyguları Çözmeyi Öğrendi
Alman araştırmacılar, işaret dilindeki duyguları analiz edebilen yenilikçi bir yapay zeka sistemi geliştirdi. Sistem, Alman İşaret Dili (DGS) ile anlatılan masal videolarından pozitif, nötr ve negatif duyguları %63 doğrulukla tespit edebiliyor. Araştırma, sadece yüz ifadelerinin değil, kalça, dirsek ve omuz hareketlerinin de duygusal ifadede kritik rol oynadığını ortaya koydu. Bu çalışma, işitme engelli topluluğun dijital iletişim deneyimini geliştirecek uygulamaların temelini oluşturuyor.
El İşaretleriyle Anlık Veri Etiketleme: HandyLabel Sistemi Geliştirildi
Makine öğrenmesi algoritmalarının başarısı büyük ölçüde kaliteli eğitim verilerine bağlıdır, ancak bu verilerin toplanması ve etiketlenmesi oldukça zaman alıcı bir süreçtir. Geleneksel yöntemlerde veriler önce kaydedilir, sonra manuel olarak etiketlenir. Bu yaklaşım hem yavaş hem de hata yapmaya açıktır. Araştırmacılar, bu soruna çözüm olarak HandyLabel adlı yenilikçi bir sistem geliştirdi. Bu araç, el hareketlerini tanıyarak verilerin gerçek zamanlı etiketlenmesini sağlıyor. Kullanıcılar web tabanlı bir arayüz üzerinden kendi el işaretlerini tanımlayabiliyor ve bu sayede veri toplama sırasında anlık etiketleme yapabiliyor. Sistem özellikle duygu analizi veya anlayış seviyesi gibi bilişsel aktivitelerin değerlendirilmesinde büyük avantaj sağlıyor. Bu teknoloji, yapay zeka ve makine öğrenmesi alanında veri hazırlama süreçlerini hızlandırma potansiyeli taşıyor.
AI Sistemler Artık Duygu Analizinde Neden Böyle Düşündüklerini Açıklayabilecek
Yapay zeka alanında önemli bir gelişme yaşanıyor. Duygu analizi yapan AI sistemler genellikle 'kara kutu' gibi çalışır ve verdikleri kararların gerekçesini açıklayamazlar. Oysa insanlar sadece duyguları kategorize etmekle kalmaz, yargılarının arkasındaki nedenleri de açıklayabilir. Araştırmacılar bu sorunu çözmek için ABSA-R1 adlı yeni bir çerçeve geliştirdi. Bu sistem, pekiştirmeli öğrenme kullanarak insan bilişsel süreçlerini taklit ediyor ve 'önce akıl yürüt, sonra tahmin et' yaklaşımını benimsiyor. Sistem, sadece duygu kutupluluğunu tespit etmekle kalmıyor, aynı zamanda bu kararın arkasındaki mantığı doğal dil kullanarak açıklayabiliyor. Bu gelişme, AI sistemlerinin şeffaflığı ve açıklanabilirliği açısından büyük önem taşıyor.