| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-09-27 10:30 知識駆動のドメイン調整と多様性の拡張に基づく大規模言語モデルを活用した感情データ生成 ○井下敬翔（関西大）  NLC2025-1 |
|
| 抄録 | （和） | 社会のデジタル化でデータの活用が進む一方，感情認識分野では倫理・法規制やデータ収集の際の偏りにより，特定の環境下における学習データが不足している.この問題に対処するために大規模言語モデル（LLM）を活用したデータ生成が提案されているが，データドメインの乖離と文体の固定化が問題となっている. そこで本研究では，人間から得たドメイン知識に基づき，生成対象の特徴分布をドメインプロファイルとして推定し，プロンプト制約と相対選好に基づく受理選択に反映するKnowledge-Driven Diversity Alignment（KDDA）フレームワークを提案する.KDDAでは，ペルソナ条件付けで視点を拡張しつつ，語彙・バイグラムのJaccard類似度で表現の反復を抑える.さらに，各候補に対してプロファイルに基づく局所的な負の対数尤度（NLL）と，受理済み集合を含めた集合NLLを評価し，集合NLLを主目的とする複合スコアの最小化により相対的に良い候補を選択する.6感情分類タスクの評価では，KDDAで生成した合成データで学習した分類器がベースラインを上回り，多様性・分布指標でも実データに近づく結果となった.これにより，低リソースかつ規制下でも，KDDAは実環境に適合した合成コーパス構築を可能にする. |
| （英） | With the digitalization of society, the utilization of data has been rapidly advancing. However, in the field of emotion recognition, the availability of training data under specific conditions remains limited due to ethical and legal restrictions as well as biases in data collection. To address this issue, data generation using large language models (LLMs) has been proposed, yet challenges remain in terms of domain mismatch and stylistic homogenization. In this study, we propose the Knowledge-Driven Diversity Alignment (KDDA) framework, which estimates the feature distribution of the target domain as a domain profile based on human-derived domain knowledge, and incorporates it into prompt constraints and acceptance decisions through relative preference. KDDA expands perspectives by conditioning on personas while suppressing repetitive expressions via Jaccard similarity of vocabulary and bigrams. Furthermore, each candidate is evaluated using local negative log-likelihood (NLL) based on the domain profile, as well as set-level NLL that accounts for already accepted samples. By minimizing a composite score prioritizing set-level NLL, relatively superior candidates are selected. Evaluation on a six-class emotion classification task demonstrates that classifiers trained with synthetic data generated by KDDA outperform baseline methods and achieve distributional and diversity metrics closer to real data. This indicates that KDDA enables the construction of synthetic corpora that are well aligned with real-world conditions, even in low-resource or regulation-constrained environments. | |
| キーワード | （和） | 知識駆動 / 多様性の拡張 / データ生成 / 大規模言語モデル / 感情認識 / / / |
| （英） | Knowledge-Driven / Diversity Alignment / Data Generation / Large Language Model / Emotion Recognition / / / | |
| 文献情報 | 信学技報, vol. 125, no. 187, NLC2025-1, pp. 1-6, 2025年9月. | |
| 資料番号 | NLC2025-1 | |
| 発行日 | 2025-09-20 (NLC) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NLC2025-1 |
|
| 研究会情報 | |
| 研究会 | NLC |
| 開催期間 | 2025-09-27 - 2025-09-27 |
| 開催地（和） | 成蹊大学 |
| 開催地（英） | Seikei University |
| テーマ（和） | 第22回テキストアナリティクス・シンポジウム |
| テーマ（英） | The 22nd Text Analytics Symposium |
| 講演論文情報の詳細 | |
| 申込み研究会 | NLC |
| 会議コード | 2025-09-NLC |
| 本文の言語 | 日本語 |
| タイトル（和） | 知識駆動のドメイン調整と多様性の拡張に基づく大規模言語モデルを活用した感情データ生成 |
| サブタイトル（和） | |
| タイトル（英） | A Knowledge-Driven Framework for Domain and Diversity Alignment in Emotion Data Generation using a Large Language Model |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 知識駆動 / Knowledge-Driven |
| キーワード(2)（和/英） | 多様性の拡張 / Diversity Alignment |
| キーワード(3)（和/英） | データ生成 / Data Generation |
| キーワード(4)（和/英） | 大規模言語モデル / Large Language Model |
| キーワード(5)（和/英） | 感情認識 / Emotion Recognition |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 井下 敬翔 / Keito Inoshita / イノシタ ケイト |
| 第1著者 所属（和/英） | 関西大学 (略称： 関西大) Kansai University (略称： KU) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-09-27 10:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | NLC |
| 資料番号 | NLC2025-1 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.187 |
| ページ範囲 | pp.1-6 |
| ページ数 | 6 |
| 発行日 | 2025-09-20 (NLC) |
[研究会発表申込システムのトップページに戻る]