- ข้อความ
- ประวัติศาสตร์
In this paper we presented an appli
In this paper we presented an application framework where semantic technologies, linked data and natural language processing techniques have been exploited to investigate the emotional aspects of cultural heritage artifacts, based on user sentiment detected in art social platforms. The aim is twofold: to recognize and visualize the emotional impact of artworks on people; to enable an emotion-driven organization, access and retrieval of artworks and related data in on-line collection.
We have described the OWL ontology of emotions developed for the ArsEmotica prototype. The ontology has been conceived for categorizing emotion-denoting words and has been semi-automatically populated with Italian terms from WN-Affect. In order to make the framework applicable to other languages, such as English, and eventually to multilingual descriptions of artworks, we are currently working to an integration of the ArsEmotica ontology with the LExicon Model for ONtologies (LEMON) (McCrae et al., 2011). Such an integration will allow us to classify Princeton WordNet English synsets representing affective concepts under our emotional categories, and, then, to exploit the available multilingual lexical databases aligned to WordNet to express the link to affective lexical entries (emotion-denoting words) in the language we are interested to deal with (e.g. MultiWordNet for Italian).22 The use of a multilingual encyclopedic dictionary such as BabelNet23 will be also useful to deal with the multilinguality issue.
Moreover, we plan to develop the ontology and extend the coverage of our emotion lexicon, also in order to cope with multi-word expressions, that may not explicitly convey emotions, but are related to concepts that do, as it has been confirmed also by the results of our user study. To deal with such an issue, it will be convenient to rely on resources like EmoSenticNet (Poria et al., 2014a) and to adopt a concept-based approach, like the one described in Poria et al. (2014b).
The affective model refers to a state-of-the-art cognitive model of emotions and inspired an interactive user interface for visualizing and summarizing the results of the emotion detection algorithm. The current ArsEmotica interface provides our users with the possibility to access the outcomes of the emotional analysis. On this line, the next step is to study innovative strategies to browse the artworks, by relying on their semantic organization in the ArsEmotica emotional space. The aim is to provide users with the possibility to explore the resources by exploiting the various dimensions suggested by the ontological model. Possible user preferences to deal with could be: “show me sadder artworks” (intensity relation); “show me something emotionally completely different” (polar opposites); “show me artworks conveying similar emotions” (similarity relation). Another interesting direction we are going to investigate is the possibility to use the ArsEmotica framework in order to define innovative recommendation strategies based on affective information on contents ( Tkalcic et al., 2013). Notice that, in the current interface, we are interested to offer a summary of the emotions evoked by artworks, detecting their simple presence by analysing tags, without introducing a measure about their relative strength (e.g. tags related to emotion A are more frequent than tags related to emotion B). However, in other contexts it would be interesting to use frequencies of emotion labels to give to the users a measure about different strengths of the emotions. This information, could be exploited to rank evoked emotions in case of multiple classification, and to recommend users to visit artworks emotionally similar w.r.t. the prevalent emotional category.
Another interesting issue to address is investigating how the emotional user experiences in relation to a given artwork can vary over time. The positioning of an artwork in the emotional space created by the emotional ontology is not static in time, but dynamic. Users of a tagging platform can insert new tags (from which new emotions can be inferred), new users can insert their emotional feedbacks about tags, or we envision the possibility that the same user can have different responses to the same artwork at different point of time. Accordingly, the emotion-driven browsing experience provided can be different from time to time. We can envisage an enhanced application framework where, initially, the position of the artworks in the emotional space will be mainly determined by the interaction of artists and curators: they will be the first ones to add meanings to the artworks, and then to give an input to the “emotional engine”. Later, when the application starts to collect the new meanings expressed by the visitors, artworks will start to float in the emotional space. New artworks and meanings can be added anytime, the emotional relations will continuously change, by reflecting the evolution of the community and its latent perception of a sort of emotional “zeitgeist”. Dealing with these dynamic aspects is out of the scope of the current proposal, but it could be an interesting line of research to follow in future work.
ArsEmotica has been tested on social data and artworks from the real-world online collection arsmeteo.org. The ArsMeteo dataset, enriched with the metadata about the emotions detected by ArsEmotica, is available in RDF format and can be accessed via a demo SPARQL endpoint. A novel unified semantic data model has been defined, where artworks belonging to the collection were semantically described by referring to emotional categories of an ontology of emotions. The framework allows us to model relations among artworks, persons and emotions, by combining the ArsEmotica ontology of emotions with available ontologies, such as FOAF and OMR. Moreover, where possible and relevant, our data where linked to external repositories of the LOD, such as DBpedia.
A user study has been proposed with the main aim to test the effectiveness of the framework for an emotional tagging tasks, with a special focus, on the one hand, on the underlying affective model, on the other hand, on the visualization interface inspired by the Plutchik’s wheel of emotions. Results were very positive on both aspects, and comments of subjects during the thinking aloud session will be very helpful in designing future developments of the framework. In particular, some subjects suggested to develop the social level of the application, since they are interested in comparing their emotional responses with the maybe different emotional responses of other users (friends or simply visitors) interested in the same artwork. Moreover, it emerged that users want to have more freedom in choosing a tag for the feedback, as they expressed the desire to evaluate tags that were not selected as having a significant sentiment load according to SentiWordNet. As observed in Strapparava et al. (2006), in some cases the affective power of a word is part of the collective imagination (think for instance of words like ‘war’), but some words can be emotional for someone due to her individual story. Therefore, it is maybe better to widen the filter of words to be offered for the user feedback, since the current one was perceived as restrictive.
For what concerns the prospected applications of the ArsEmotica framework, it could be exploited, along the direction traced in Simon (2010), as a co-creation instrument formuseums, virtual galleries, and other activities falling under the general umbrella ofcreative industries. In this sector, the demand is growing for new user experiences, and therefore for applications, including smart-phone apps, where the key aim is to stimulate user-community interaction and encourage visitors to share their experiences. Such applications can have a cultural flavor but can also be more intrinsically related to leisure, and should help transforming classical art-fruition experiences into innovative, more immersive experiences, with a greater impact on visitors.
Art and emotions are naturally related Silvia (2005) and, as also our user study confirmed, the possibility to speculate about the artistic arousal of emotions and to reason on artworks, authors and evoked emotions within a social dimension, where personal feelings about an artworks can be compared with what is felt by others, seems to be attractive from a visitor’s perspective. Moreover, the possibility to collect emotional responses to artworks and collections can be important for artists and curators, in order to get a feedback about their creations, but also for policymakers in the cultural heritage sector, that need advanced e-participation tools for being supported in their work, both at the decision-making stage, and in the ex-post evaluation of the impact of their policies (e.g. What is the sentiment of citizens about a publicly funded exhibition?). Another interesting application field is given by a growing number of virtual galleries, such as http://www.saatchiart.com, that raised in the last years with a business perspective, having the main aim to sell online artworks (visual arts, especially). Also, in this case, detecting emotions in keywords and other information associated to the artworks could be useful in order to offer new emotion-driven searching functionalities to the website customer, to be possibly combined with traditional searching criteria based on genres (e.g paintings, photography or sculpture) which encompass stylistic characteristics. Recently, a similar approach has been already successfully applied to digital music, with the proposal of music streaming services that instead of finding music by genre or musical-relation, propose a selection tailored to the user’s mood and feelings, e.g. Stereomood, http://www.stereomood.com.
Finally, the possibility to exploit the geographic information about the place where artists work, together with
We have described the OWL ontology of emotions developed for the ArsEmotica prototype. The ontology has been conceived for categorizing emotion-denoting words and has been semi-automatically populated with Italian terms from WN-Affect. In order to make the framework applicable to other languages, such as English, and eventually to multilingual descriptions of artworks, we are currently working to an integration of the ArsEmotica ontology with the LExicon Model for ONtologies (LEMON) (McCrae et al., 2011). Such an integration will allow us to classify Princeton WordNet English synsets representing affective concepts under our emotional categories, and, then, to exploit the available multilingual lexical databases aligned to WordNet to express the link to affective lexical entries (emotion-denoting words) in the language we are interested to deal with (e.g. MultiWordNet for Italian).22 The use of a multilingual encyclopedic dictionary such as BabelNet23 will be also useful to deal with the multilinguality issue.
Moreover, we plan to develop the ontology and extend the coverage of our emotion lexicon, also in order to cope with multi-word expressions, that may not explicitly convey emotions, but are related to concepts that do, as it has been confirmed also by the results of our user study. To deal with such an issue, it will be convenient to rely on resources like EmoSenticNet (Poria et al., 2014a) and to adopt a concept-based approach, like the one described in Poria et al. (2014b).
The affective model refers to a state-of-the-art cognitive model of emotions and inspired an interactive user interface for visualizing and summarizing the results of the emotion detection algorithm. The current ArsEmotica interface provides our users with the possibility to access the outcomes of the emotional analysis. On this line, the next step is to study innovative strategies to browse the artworks, by relying on their semantic organization in the ArsEmotica emotional space. The aim is to provide users with the possibility to explore the resources by exploiting the various dimensions suggested by the ontological model. Possible user preferences to deal with could be: “show me sadder artworks” (intensity relation); “show me something emotionally completely different” (polar opposites); “show me artworks conveying similar emotions” (similarity relation). Another interesting direction we are going to investigate is the possibility to use the ArsEmotica framework in order to define innovative recommendation strategies based on affective information on contents ( Tkalcic et al., 2013). Notice that, in the current interface, we are interested to offer a summary of the emotions evoked by artworks, detecting their simple presence by analysing tags, without introducing a measure about their relative strength (e.g. tags related to emotion A are more frequent than tags related to emotion B). However, in other contexts it would be interesting to use frequencies of emotion labels to give to the users a measure about different strengths of the emotions. This information, could be exploited to rank evoked emotions in case of multiple classification, and to recommend users to visit artworks emotionally similar w.r.t. the prevalent emotional category.
Another interesting issue to address is investigating how the emotional user experiences in relation to a given artwork can vary over time. The positioning of an artwork in the emotional space created by the emotional ontology is not static in time, but dynamic. Users of a tagging platform can insert new tags (from which new emotions can be inferred), new users can insert their emotional feedbacks about tags, or we envision the possibility that the same user can have different responses to the same artwork at different point of time. Accordingly, the emotion-driven browsing experience provided can be different from time to time. We can envisage an enhanced application framework where, initially, the position of the artworks in the emotional space will be mainly determined by the interaction of artists and curators: they will be the first ones to add meanings to the artworks, and then to give an input to the “emotional engine”. Later, when the application starts to collect the new meanings expressed by the visitors, artworks will start to float in the emotional space. New artworks and meanings can be added anytime, the emotional relations will continuously change, by reflecting the evolution of the community and its latent perception of a sort of emotional “zeitgeist”. Dealing with these dynamic aspects is out of the scope of the current proposal, but it could be an interesting line of research to follow in future work.
ArsEmotica has been tested on social data and artworks from the real-world online collection arsmeteo.org. The ArsMeteo dataset, enriched with the metadata about the emotions detected by ArsEmotica, is available in RDF format and can be accessed via a demo SPARQL endpoint. A novel unified semantic data model has been defined, where artworks belonging to the collection were semantically described by referring to emotional categories of an ontology of emotions. The framework allows us to model relations among artworks, persons and emotions, by combining the ArsEmotica ontology of emotions with available ontologies, such as FOAF and OMR. Moreover, where possible and relevant, our data where linked to external repositories of the LOD, such as DBpedia.
A user study has been proposed with the main aim to test the effectiveness of the framework for an emotional tagging tasks, with a special focus, on the one hand, on the underlying affective model, on the other hand, on the visualization interface inspired by the Plutchik’s wheel of emotions. Results were very positive on both aspects, and comments of subjects during the thinking aloud session will be very helpful in designing future developments of the framework. In particular, some subjects suggested to develop the social level of the application, since they are interested in comparing their emotional responses with the maybe different emotional responses of other users (friends or simply visitors) interested in the same artwork. Moreover, it emerged that users want to have more freedom in choosing a tag for the feedback, as they expressed the desire to evaluate tags that were not selected as having a significant sentiment load according to SentiWordNet. As observed in Strapparava et al. (2006), in some cases the affective power of a word is part of the collective imagination (think for instance of words like ‘war’), but some words can be emotional for someone due to her individual story. Therefore, it is maybe better to widen the filter of words to be offered for the user feedback, since the current one was perceived as restrictive.
For what concerns the prospected applications of the ArsEmotica framework, it could be exploited, along the direction traced in Simon (2010), as a co-creation instrument formuseums, virtual galleries, and other activities falling under the general umbrella ofcreative industries. In this sector, the demand is growing for new user experiences, and therefore for applications, including smart-phone apps, where the key aim is to stimulate user-community interaction and encourage visitors to share their experiences. Such applications can have a cultural flavor but can also be more intrinsically related to leisure, and should help transforming classical art-fruition experiences into innovative, more immersive experiences, with a greater impact on visitors.
Art and emotions are naturally related Silvia (2005) and, as also our user study confirmed, the possibility to speculate about the artistic arousal of emotions and to reason on artworks, authors and evoked emotions within a social dimension, where personal feelings about an artworks can be compared with what is felt by others, seems to be attractive from a visitor’s perspective. Moreover, the possibility to collect emotional responses to artworks and collections can be important for artists and curators, in order to get a feedback about their creations, but also for policymakers in the cultural heritage sector, that need advanced e-participation tools for being supported in their work, both at the decision-making stage, and in the ex-post evaluation of the impact of their policies (e.g. What is the sentiment of citizens about a publicly funded exhibition?). Another interesting application field is given by a growing number of virtual galleries, such as http://www.saatchiart.com, that raised in the last years with a business perspective, having the main aim to sell online artworks (visual arts, especially). Also, in this case, detecting emotions in keywords and other information associated to the artworks could be useful in order to offer new emotion-driven searching functionalities to the website customer, to be possibly combined with traditional searching criteria based on genres (e.g paintings, photography or sculpture) which encompass stylistic characteristics. Recently, a similar approach has been already successfully applied to digital music, with the proposal of music streaming services that instead of finding music by genre or musical-relation, propose a selection tailored to the user’s mood and feelings, e.g. Stereomood, http://www.stereomood.com.
Finally, the possibility to exploit the geographic information about the place where artists work, together with
0/5000
ในเอกสารนี้เรานำกรอบการแอพลิเคชันที่เชื่อมโยงข้อมูล ความหมายเทคโนโลยี และเทคนิคการประมวลผลภาษาธรรมชาติจะถูกใช้ประโยชน์ สืบด้านอารมณ์ของมรดกทางวัฒนธรรม สิ่งประดิษฐ์ ขึ้นอยู่กับความเชื่อมั่นของผู้ใช้ตรวจพบในระบบสังคม จุดมุ่งหมายมีอยู่สองประการ: การรับรู้ และเห็นภาพผลกระทบอารมณ์ของงานศิลปะบนคน เพื่อให้องค์กรขับเคลื่อนอารมณ์ เข้าถึง และการรับงานและข้อมูลที่เกี่ยวข้องในคอลเลกชันที่ง่ายดายเราได้อธิบายภววิทยานกฮูกของอารมณ์พัฒนาต้นแบบ ArsEmotica ภววิทยาได้รับรู้สึกสำหรับประเภทกำหนดเรียกค่าอารมณ์คำ และมีการเติมข้อมูลกึ่งอัตโนมัติ ด้วยเงื่อนไขภาษาอิตาลีจากดับเบิ้ลยูเอ็นส่งผลกระทบต่อ เพื่อให้กรอบการใช้ ภาษาอื่น ๆ เช่นภาษาอังกฤษ และภาษาคำอธิบายของงานศิลปะ เรากำลังทำงานเพื่อการรวมของภววิทยา ArsEmotica กับแบบปทานุกรมสำหรับ ONtologies (มะนาว) (แม็คเคร et al., 2011) การรวมจะช่วยให้เราสามารถจัดประเภท synsets อังกฤษปรินซ์ WordNet แสดงผลแนวคิดภายใต้ประเภทของอารมณ์ และ แล้ว กดขี่ขูดรีดมีหลายภาษาเกี่ยวกับคำศัพท์ฐานข้อมูลชิด WordNet แสดงการเชื่อมโยงกับรายการผลเกี่ยวกับคำศัพท์ (คำที่กำหนดเรียกค่าอารมณ์) ในภาษาเราสนใจเพื่อจัดการกับ (เช่น MultiWordNet ในภาษาอิตาลี) .22 ใช้พจนานุกรมสารานุกรมหลายภาษาเช่น BabelNet23 จะยังประโยชน์ในการจัดการกับปัญหา multilingualityนอกจากนี้ เราวางแผนภววิทยาพัฒนา และขยายความครอบคลุมของเราอารมณ์ปทานุกรม นอกจากนี้เพื่อรับมือกับนิพจน์ หลายคำที่อาจไม่ชัดเจนสามารถถ่ายทอดอารมณ์ แต่เกี่ยวข้องกับแนวคิดที่ทำ ตามที่มีการยืนยันยัง โดยผลการศึกษาของผู้ใช้ การจัดการกับปัญหาดังกล่าว มันจะสะดวกใน การใช้ทรัพยากรเช่น EmoSenticNet (Poria et al., 2014a) และ เพื่อนำมาใช้เป็นแนวคิดตามแนวทาง แดใน Poria et al. (2014b)The affective model refers to a state-of-the-art cognitive model of emotions and inspired an interactive user interface for visualizing and summarizing the results of the emotion detection algorithm. The current ArsEmotica interface provides our users with the possibility to access the outcomes of the emotional analysis. On this line, the next step is to study innovative strategies to browse the artworks, by relying on their semantic organization in the ArsEmotica emotional space. The aim is to provide users with the possibility to explore the resources by exploiting the various dimensions suggested by the ontological model. Possible user preferences to deal with could be: “show me sadder artworks” (intensity relation); “show me something emotionally completely different” (polar opposites); “show me artworks conveying similar emotions” (similarity relation). Another interesting direction we are going to investigate is the possibility to use the ArsEmotica framework in order to define innovative recommendation strategies based on affective information on contents ( Tkalcic et al., 2013). Notice that, in the current interface, we are interested to offer a summary of the emotions evoked by artworks, detecting their simple presence by analysing tags, without introducing a measure about their relative strength (e.g. tags related to emotion A are more frequent than tags related to emotion B). However, in other contexts it would be interesting to use frequencies of emotion labels to give to the users a measure about different strengths of the emotions. This information, could be exploited to rank evoked emotions in case of multiple classification, and to recommend users to visit artworks emotionally similar w.r.t. the prevalent emotional category.Another interesting issue to address is investigating how the emotional user experiences in relation to a given artwork can vary over time. The positioning of an artwork in the emotional space created by the emotional ontology is not static in time, but dynamic. Users of a tagging platform can insert new tags (from which new emotions can be inferred), new users can insert their emotional feedbacks about tags, or we envision the possibility that the same user can have different responses to the same artwork at different point of time. Accordingly, the emotion-driven browsing experience provided can be different from time to time. We can envisage an enhanced application framework where, initially, the position of the artworks in the emotional space will be mainly determined by the interaction of artists and curators: they will be the first ones to add meanings to the artworks, and then to give an input to the “emotional engine”. Later, when the application starts to collect the new meanings expressed by the visitors, artworks will start to float in the emotional space. New artworks and meanings can be added anytime, the emotional relations will continuously change, by reflecting the evolution of the community and its latent perception of a sort of emotional “zeitgeist”. Dealing with these dynamic aspects is out of the scope of the current proposal, but it could be an interesting line of research to follow in future work.ArsEmotica has been tested on social data and artworks from the real-world online collection arsmeteo.org. The ArsMeteo dataset, enriched with the metadata about the emotions detected by ArsEmotica, is available in RDF format and can be accessed via a demo SPARQL endpoint. A novel unified semantic data model has been defined, where artworks belonging to the collection were semantically described by referring to emotional categories of an ontology of emotions. The framework allows us to model relations among artworks, persons and emotions, by combining the ArsEmotica ontology of emotions with available ontologies, such as FOAF and OMR. Moreover, where possible and relevant, our data where linked to external repositories of the LOD, such as DBpedia.
A user study has been proposed with the main aim to test the effectiveness of the framework for an emotional tagging tasks, with a special focus, on the one hand, on the underlying affective model, on the other hand, on the visualization interface inspired by the Plutchik’s wheel of emotions. Results were very positive on both aspects, and comments of subjects during the thinking aloud session will be very helpful in designing future developments of the framework. In particular, some subjects suggested to develop the social level of the application, since they are interested in comparing their emotional responses with the maybe different emotional responses of other users (friends or simply visitors) interested in the same artwork. Moreover, it emerged that users want to have more freedom in choosing a tag for the feedback, as they expressed the desire to evaluate tags that were not selected as having a significant sentiment load according to SentiWordNet. As observed in Strapparava et al. (2006), in some cases the affective power of a word is part of the collective imagination (think for instance of words like ‘war’), but some words can be emotional for someone due to her individual story. Therefore, it is maybe better to widen the filter of words to be offered for the user feedback, since the current one was perceived as restrictive.
For what concerns the prospected applications of the ArsEmotica framework, it could be exploited, along the direction traced in Simon (2010), as a co-creation instrument formuseums, virtual galleries, and other activities falling under the general umbrella ofcreative industries. In this sector, the demand is growing for new user experiences, and therefore for applications, including smart-phone apps, where the key aim is to stimulate user-community interaction and encourage visitors to share their experiences. Such applications can have a cultural flavor but can also be more intrinsically related to leisure, and should help transforming classical art-fruition experiences into innovative, more immersive experiences, with a greater impact on visitors.
Art and emotions are naturally related Silvia (2005) and, as also our user study confirmed, the possibility to speculate about the artistic arousal of emotions and to reason on artworks, authors and evoked emotions within a social dimension, where personal feelings about an artworks can be compared with what is felt by others, seems to be attractive from a visitor’s perspective. Moreover, the possibility to collect emotional responses to artworks and collections can be important for artists and curators, in order to get a feedback about their creations, but also for policymakers in the cultural heritage sector, that need advanced e-participation tools for being supported in their work, both at the decision-making stage, and in the ex-post evaluation of the impact of their policies (e.g. What is the sentiment of citizens about a publicly funded exhibition?). Another interesting application field is given by a growing number of virtual galleries, such as http://www.saatchiart.com, that raised in the last years with a business perspective, having the main aim to sell online artworks (visual arts, especially). Also, in this case, detecting emotions in keywords and other information associated to the artworks could be useful in order to offer new emotion-driven searching functionalities to the website customer, to be possibly combined with traditional searching criteria based on genres (e.g paintings, photography or sculpture) which encompass stylistic characteristics. Recently, a similar approach has been already successfully applied to digital music, with the proposal of music streaming services that instead of finding music by genre or musical-relation, propose a selection tailored to the user’s mood and feelings, e.g. Stereomood, http://www.stereomood.com.
Finally, the possibility to exploit the geographic information about the place where artists work, together with
A user study has been proposed with the main aim to test the effectiveness of the framework for an emotional tagging tasks, with a special focus, on the one hand, on the underlying affective model, on the other hand, on the visualization interface inspired by the Plutchik’s wheel of emotions. Results were very positive on both aspects, and comments of subjects during the thinking aloud session will be very helpful in designing future developments of the framework. In particular, some subjects suggested to develop the social level of the application, since they are interested in comparing their emotional responses with the maybe different emotional responses of other users (friends or simply visitors) interested in the same artwork. Moreover, it emerged that users want to have more freedom in choosing a tag for the feedback, as they expressed the desire to evaluate tags that were not selected as having a significant sentiment load according to SentiWordNet. As observed in Strapparava et al. (2006), in some cases the affective power of a word is part of the collective imagination (think for instance of words like ‘war’), but some words can be emotional for someone due to her individual story. Therefore, it is maybe better to widen the filter of words to be offered for the user feedback, since the current one was perceived as restrictive.
For what concerns the prospected applications of the ArsEmotica framework, it could be exploited, along the direction traced in Simon (2010), as a co-creation instrument formuseums, virtual galleries, and other activities falling under the general umbrella ofcreative industries. In this sector, the demand is growing for new user experiences, and therefore for applications, including smart-phone apps, where the key aim is to stimulate user-community interaction and encourage visitors to share their experiences. Such applications can have a cultural flavor but can also be more intrinsically related to leisure, and should help transforming classical art-fruition experiences into innovative, more immersive experiences, with a greater impact on visitors.
Art and emotions are naturally related Silvia (2005) and, as also our user study confirmed, the possibility to speculate about the artistic arousal of emotions and to reason on artworks, authors and evoked emotions within a social dimension, where personal feelings about an artworks can be compared with what is felt by others, seems to be attractive from a visitor’s perspective. Moreover, the possibility to collect emotional responses to artworks and collections can be important for artists and curators, in order to get a feedback about their creations, but also for policymakers in the cultural heritage sector, that need advanced e-participation tools for being supported in their work, both at the decision-making stage, and in the ex-post evaluation of the impact of their policies (e.g. What is the sentiment of citizens about a publicly funded exhibition?). Another interesting application field is given by a growing number of virtual galleries, such as http://www.saatchiart.com, that raised in the last years with a business perspective, having the main aim to sell online artworks (visual arts, especially). Also, in this case, detecting emotions in keywords and other information associated to the artworks could be useful in order to offer new emotion-driven searching functionalities to the website customer, to be possibly combined with traditional searching criteria based on genres (e.g paintings, photography or sculpture) which encompass stylistic characteristics. Recently, a similar approach has been already successfully applied to digital music, with the proposal of music streaming services that instead of finding music by genre or musical-relation, propose a selection tailored to the user’s mood and feelings, e.g. Stereomood, http://www.stereomood.com.
Finally, the possibility to exploit the geographic information about the place where artists work, together with
การแปล กรุณารอสักครู่..
ในบทความนี้เรานำเสนอกรอบใบสมัครที่เทคโนโลยีความหมายเชื่อมโยงข้อมูลและเทคนิคการประมวลผลภาษาธรรมชาติได้รับการใช้ประโยชน์ในการตรวจสอบด้านอารมณ์ของสิ่งประดิษฐ์มรดกทางวัฒนธรรมที่อยู่บนพื้นฐานของความเชื่อมั่นของผู้ใช้ที่ตรวจพบในศิลปะแพลตฟอร์มสังคม จุดมุ่งหมายคือสองเท่า: การรับรู้และเห็นภาพผลกระทบทางอารมณ์ของงานศิลปะคน; การเปิดใช้งานองค์กรอารมณ์ที่ขับเคลื่อนด้วยการเข้าถึงและการดึงของงานศิลปะและข้อมูลที่เกี่ยวข้องในการเก็บรวบรวมในบรรทัด.
เราได้อธิบายอภิปรัชญานกฮูกของอารมณ์ที่พัฒนาขึ้นสำหรับต้นแบบ ArsEmotica อภิปรัชญาที่ได้รับการตั้งครรภ์สำหรับจัดหมวดหมู่คำแสดงถึงอารมณ์และได้รับการที่มีประชากรกึ่งอัตโนมัติที่มีเงื่อนไขจากอิตาลี WN-ส่งผลกระทบต่อ เพื่อที่จะทำให้กรอบการทำงานที่ใช้บังคับกับภาษาอื่น ๆ เช่นภาษาอังกฤษและในที่สุดคำอธิบายพูดได้หลายภาษาของงานศิลปะที่เรากำลังทำงานเพื่อบูรณาการของอภิปรัชญา ArsEmotica กับศัพท์รุ่นสำหรับจีส์ (มะนาว) (แม็คเคร et al., 2011 ) ดังกล่าวบูรณาการจะช่วยให้เราสามารถแบ่งประเภทของพรินซ์ตัน WordNet ภาษาอังกฤษ synsets เป็นตัวแทนของแนวความคิดอารมณ์ตามประเภทอารมณ์ของเราและจากนั้นจะใช้ประโยชน์จากฐานข้อมูลคำศัพท์ที่มีอยู่หลายภาษาสอดคล้องกับ WordNet ที่จะแสดงความเชื่อมโยงไปยังอารมณ์รายการคำศัพท์ (คำพูดอารมณ์ denoting) ใน ภาษาที่เรามีความสนใจที่จะจัดการกับ (เช่น MultiWordNet สำหรับอิตาลี) 0.22 การใช้พจนานุกรมสารานุกรมพูดได้หลายภาษาเช่น BabelNet23 จะยังมีประโยชน์ในการจัดการกับปัญหา multilinguality ได้.
นอกจากนี้เราวางแผนที่จะพัฒนาอภิปรัชญาและขยายความคุ้มครองของเรา พจนานุกรมอารมณ์ยังอยู่ในเพื่อที่จะรับมือกับการแสดงออกหลายคำที่ไม่อาจถ่ายทอดอารมณ์อย่างชัดเจน แต่ที่เกี่ยวข้องกับแนวความคิดที่จะทำตามที่ได้รับการยืนยันโดยผลการศึกษาของผู้ใช้ของเรา เพื่อจัดการกับปัญหาดังกล่าวก็จะมีความสะดวกในการพึ่งพาทรัพยากรเช่น EmoSenticNet (Poria et al., 2014a) และจะนำมาใช้วิธีการตามแนวคิดเช่นหนึ่งที่อธิบายไว้ใน Poria et al, (2014b).
รูปแบบอารมณ์หมายถึงรัฐของศิลปะรูปแบบองค์ความรู้ของอารมณ์และแรงบันดาลใจส่วนติดต่อผู้ใช้แบบโต้ตอบสำหรับการแสดงผลและสรุปผลของวิธีการตรวจสอบอารมณ์ความรู้สึกที่ อินเตอร์เฟซที่ ArsEmotica ปัจจุบันให้ผู้ใช้ของเรามีความเป็นไปได้ในการเข้าถึงผลของการวิเคราะห์ทางอารมณ์ที่ ในบรรทัดนี้ขั้นตอนต่อไปคือการศึกษากลยุทธ์นวัตกรรมเพื่อเรียกดูงานศิลปะโดยอาศัยองค์กรความหมายของพวกเขาในพื้นที่ทางอารมณ์ ArsEmotica จุดมุ่งหมายคือการให้ผู้ใช้มีความเป็นไปได้ในการสำรวจทรัพยากรโดยการใช้ประโยชน์มิติต่างๆที่แนะนำโดยรูปแบบ ontological ค่าของผู้ใช้ที่เป็นไปได้ที่จะจัดการกับอาจจะเป็น "งานศิลปะที่แสดงให้ฉันเศร้า" (ความสัมพันธ์เข้ม); "แสดงให้ฉันบางสิ่งบางอย่างที่แตกต่างกันอย่างสิ้นเชิงอารมณ์" (ขั้วตรงข้าม); "แสดงผลงานศิลปะที่ฉันถ่ายทอดอารมณ์ความรู้สึกที่คล้ายกัน" (ความสัมพันธ์ความคล้ายคลึงกัน) ที่น่าสนใจอีกประการหนึ่งทิศทางที่เราจะไปตรวจสอบความเป็นไปได้ที่จะใช้กรอบ ArsEmotica เพื่อกำหนดกลยุทธ์ข้อเสนอแนะที่เป็นนวัตกรรมใหม่บนพื้นฐานของข้อมูลอารมณ์กับเนื้อหา (Tkalcic et al., 2013) ขอให้สังเกตว่าในอินเตอร์เฟซที่ปัจจุบันเรามีความสนใจที่จะนำเสนอบทสรุปของอารมณ์ปรากฏโดยงานศิลปะ, การตรวจสอบสถานะของพวกเขาง่ายโดยแท็กวิเคราะห์โดยไม่ต้องแนะนำตัวชี้วัดเกี่ยวกับความแรงญาติของพวกเขา (เช่นแท็กที่เกี่ยวข้องกับอารมณ์ความรู้สึกที่มีให้บ่อยมากขึ้นกว่าแท็ก ที่เกี่ยวข้องกับอารมณ์ B) อย่างไรก็ตามในบริบทอื่น ๆ ก็จะมีความน่าสนใจในการใช้ความถี่ของป้ายอารมณ์ความรู้สึกให้กับผู้ใช้ตัวชี้วัดเกี่ยวกับจุดแข็งที่แตกต่างกันของอารมณ์ ข้อมูลนี้สามารถใช้ประโยชน์ในการจัดอันดับปรากฏอารมณ์ในกรณีที่มีการจัดหมวดหมู่หลายและที่จะแนะนำให้ผู้ใช้สามารถเข้าชมผลงานศิลปะที่คล้ายกันอารมณ์ WRT ประเภทอารมณ์แพร่หลาย.
อีกเรื่องที่น่าสนใจที่จะอยู่จะตรวจสอบว่าประสบการณ์ของผู้ใช้อารมณ์ในความสัมพันธ์กับงานศิลปะที่ได้รับสามารถ ในช่วงเวลาที่แตกต่างกันไป การวางตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์ที่สร้างขึ้นโดยอภิปรัชญาทางอารมณ์ที่ไม่คงที่ในเวลา แต่แบบไดนามิก ผู้ใช้แพลตฟอร์มการติดแท็กสามารถใส่แท็กใหม่ (ซึ่งอารมณ์ใหม่สามารถสรุป) ผู้ใช้ใหม่สามารถแทรกการตอบอารมณ์ของพวกเขาเกี่ยวกับแท็กหรือเรามองเห็นความเป็นไปได้ว่าผู้ใช้เดียวกันจะมีการตอบสนองที่แตกต่างกันเพื่องานศิลปะเหมือนกันที่จุดที่แตกต่างกันของ เวลา. ดังนั้นประสบการณ์ในการท่องอารมณ์เป็นตัวขับเคลื่อนให้สามารถแตกต่างกันเป็นครั้งคราว เราสามารถมองเห็นกรอบการประยุกต์ใช้ที่เพิ่มขึ้นที่ต้นตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์จะถูกกำหนดโดยส่วนใหญ่ทำงานร่วมกันของศิลปินและภัณฑารักษ์ที่พวกเขาจะเป็นคนแรกที่จะเพิ่มความหมายให้กับงานศิลปะและจากนั้นจะให้ การป้อนข้อมูลที่ "เครื่องมือทางอารมณ์" ต่อมาเมื่อโปรแกรมเริ่มที่จะเก็บความหมายใหม่แสดงโดยผู้เข้าชมงานศิลปะที่จะเริ่มลอยอยู่ในพื้นที่ทางอารมณ์ งานศิลปะใหม่และความหมายที่สามารถเพิ่มได้ตลอดเวลา, ความสัมพันธ์ทางอารมณ์อย่างต่อเนื่องจะมีการเปลี่ยนแปลงโดยสะท้อนให้เห็นถึงวิวัฒนาการของชุมชนและการรับรู้ที่แฝงอยู่ในการจัดเรียงของอารมณ์ "จิตวิญญาณ" ซึ่งเป็น การจัดการกับแง่มุมแบบไดนามิกเหล่านี้อยู่นอกขอบเขตของข้อเสนอปัจจุบัน แต่มันอาจจะเป็นสายที่น่าสนใจของการวิจัยที่จะปฏิบัติตามในการทำงานในอนาคต.
ArsEmotica ได้รับการทดสอบเกี่ยวกับข้อมูลทางสังคมและงานศิลปะจากโลกแห่งความจริงคอลเลกชันออนไลน์ arsmeteo.org ชุดข้อมูล ArsMeteo อุดมกับเมตาดาต้าเกี่ยวกับอารมณ์ความรู้สึกที่ตรวจพบโดย ArsEmotica ที่อยู่ในรูปแบบ RDF และสามารถเข้าถึงได้ผ่านการสาธิตปลายทาง SPARQL นวนิยายแบบครบวงจรรูปแบบข้อมูลความหมายได้ถูกกำหนดไว้ที่งานศิลปะที่เป็นของสะสมที่ได้รับการอธิบายความหมายโดยอ้างถึงประเภทของอารมณ์อภิปรัชญาของอารมณ์ กรอบช่วยให้เราสามารถสร้างแบบจำลองความสัมพันธ์ระหว่างงานศิลปะบุคคลและอารมณ์โดยการรวมอภิปรัชญา ArsEmotica ของอารมณ์กับจีใช้ได้เช่น FOAF และ OMR นอกจากนี้ที่เป็นไปได้และมีความเกี่ยวข้องข้อมูลของเราที่เชื่อมโยงกับการเก็บภายนอกของล็อดเช่น DBpedia.
การศึกษาผู้ได้รับการเสนอโดยมีจุดประสงค์หลักในการทดสอบประสิทธิภาพของกรอบการทำงานสำหรับงานติดแท็กอารมณ์ที่มีความสำคัญเป็นพิเศษ บนมือข้างหนึ่ง, ในรูปแบบอารมณ์พื้นฐานในมืออื่น ๆ ที่เกี่ยวกับอินเตอร์เฟซการสร้างภาพแรงบันดาลใจจากล้อ Plutchik ของอารมณ์ ผลเป็นบวกมากในทั้งสองด้านและความคิดเห็นของอาสาสมัครในช่วงการคิดออกเสียงเซสชั่นจะเป็นประโยชน์มากในการออกแบบการพัฒนาในอนาคตของกรอบ โดยเฉพาะอย่างยิ่งเรื่องบางอย่างที่แนะนำในการพัฒนาระดับสังคมของโปรแกรมเนื่องจากพวกเขามีความสนใจในการเปรียบเทียบการตอบสนองทางอารมณ์ของพวกเขาด้วยอารมณ์ที่แตกต่างกันการตอบสนองอาจจะของผู้อื่น (เพื่อนหรือเพียงแค่ผู้เข้าชม) มีความสนใจในงานศิลปะเหมือนกัน นอกจากนี้มันโผล่ออกมาว่าผู้ใช้ต้องการที่จะมีอิสระมากขึ้นในการเลือกแท็กสำหรับความคิดเห็นในขณะที่พวกเขาแสดงความปรารถนาที่จะประเมินแท็กที่ไม่ได้ถูกเลือกให้เป็นมีความเชื่อมั่นอย่างมีนัยสำคัญในการโหลดตาม SentiWordNet ในฐานะที่เป็นข้อสังเกตใน Strapparava et al, (2006) ในบางกรณีอำนาจอารมณ์ของคำเป็นส่วนหนึ่งของจินตนาการร่วมกัน (คิดว่าสำหรับตัวอย่างของคำว่า 'สงคราม') แต่คำบางคำสามารถทางอารมณ์สำหรับคนอันเนื่องมาจากเรื่องของแต่ละบุคคลของเธอ ดังนั้นจึงอาจจะดีกว่าที่จะขยายตัวกรองของคำที่จะเสนอข้อเสนอแนะของผู้ใช้ตั้งแต่หนึ่งในปัจจุบันถูกมองว่าเป็นข้อ จำกัด .
สำหรับสิ่งที่กังวลการใช้งานที่มุ่งหน้าของกรอบ ArsEmotica ก็สามารถใช้ประโยชน์ตามทิศทางที่ตรวจสอบใน ไซมอน (2010) เป็นเครื่องมือ formuseums ร่วมสร้างแกลเลอรี่เสมือนและกิจกรรมอื่น ๆ ที่อยู่ภายใต้ร่มทั่วไปอุตสาหกรรม ofcreative ในภาคนี้ความต้องการที่มีการเติบโตสำหรับประสบการณ์การใช้งานใหม่และดังนั้นสำหรับการใช้งานรวมถึงแอพพลิเคมาร์ทโทรศัพท์ที่มีจุดมุ่งหมายที่สำคัญคือการกระตุ้นให้เกิดการโต้ตอบกับผู้ใช้ชุมชนและส่งเสริมให้ผู้เข้าชมที่จะแบ่งปันประสบการณ์ของพวกเขา โปรแกรมดังกล่าวสามารถมีรสชาติทางวัฒนธรรม แต่ยังสามารถที่เกี่ยวข้องภายในเพื่อการพักผ่อนและจะช่วยเปลี่ยนประสบการณ์ศิลปะบรรลุผลคลาสสิกเข้านวัตกรรมประสบการณ์ที่ดื่มด่ำมากขึ้นด้วยผลกระทบมากขึ้นในการเข้าชม.
ศิลปะและอารมณ์ที่เกี่ยวข้องกับธรรมชาติซิลเวีย (2005) และในขณะที่ยังมีการศึกษาการใช้งานของเราได้รับการยืนยันความเป็นไปได้ที่จะคาดเดาเกี่ยวกับการเร้าอารมณ์ทางศิลปะของอารมณ์และให้เหตุผลในงานศิลปะที่ผู้เขียนและปรากฏอารมณ์ภายในมิติทางสังคมที่ความรู้สึกส่วนบุคคลเกี่ยวกับงานศิลปะที่สามารถนำมาเปรียบเทียบกับสิ่งที่รู้สึกว่าคนอื่น ๆ น่าจะเป็นที่น่าสนใจจากมุมมองของผู้เข้าชม นอกจากนี้ยังมีความเป็นไปได้ในการเก็บรวบรวมการตอบสนองทางอารมณ์ให้กับงานศิลปะและคอลเลกชันจะมีความสำคัญสำหรับศิลปินและภัณฑารักษ์ในการสั่งซื้อที่จะได้รับข้อเสนอแนะเกี่ยวกับการสร้างสรรค์ของพวกเขา แต่ยังสำหรับผู้กำหนดนโยบายในภาคมรดกทางวัฒนธรรมที่จำเป็นต้องมีเครื่องมือ e-participation ขั้นสูงสำหรับการได้รับการสนับสนุน ในการทำงานของพวกเขาทั้งในขั้นตอนการตัดสินใจและการประเมินผลในอดีตโพสต์ของผลกระทบของนโยบายของพวกเขา (เช่นอะไรคือสิ่งที่ความเชื่อมั่นของประชาชนเกี่ยวกับการจัดนิทรรศการหนี้สาธารณะหรือไม่) อีกสนามโปรแกรมที่น่าสนใจจะได้รับจากตัวเลขการเติบโตของแกลเลอรี่เสมือนเช่น http://www.saatchiart.com ที่เติบโตในปีที่ผ่านมามีมุมมองทางธุรกิจที่มีจุดมุ่งหมายหลักในการขายงานศิลปะออนไลน์ (ทัศนศิลป์โดยเฉพาะอย่างยิ่ง ) นอกจากนี้ในกรณีนี้การตรวจสอบอารมณ์ความรู้สึกในคำหลักและข้อมูลอื่น ๆ ที่เกี่ยวข้องกับงานศิลปะอาจจะมีประโยชน์ในการที่จะนำเสนออารมณ์ความรู้สึกใหม่ที่ขับเคลื่อนด้วยฟังก์ชันการค้นหาให้กับลูกค้าของเว็บไซต์ที่จะนำมารวมกันอาจจะเป็นที่มีเกณฑ์การค้นหาแบบดั้งเดิมขึ้นอยู่กับประเภท (เช่นภาพวาด การถ่ายภาพหรือประติมากรรม) ซึ่งครอบคลุมลักษณะโวหาร เมื่อเร็ว ๆ นี้เป็นวิธีการที่คล้ายกันได้ถูกนำมาใช้ประสบความสำเร็จกับเพลงดิจิตอลด้วยกับข้อเสนอของการให้บริการสตรีมมิ่งเพลงที่แทนการหาเพลงตามประเภทหรือดนตรีความสัมพันธ์เสนอตัวเลือกที่เหมาะกับอารมณ์ของผู้ใช้และความรู้สึกเช่น Stereomood, http: / /www.stereomood.com.
สุดท้ายไปได้ที่จะใช้ประโยชน์จากข้อมูลทางภูมิศาสตร์เกี่ยวกับสถานที่ทำงานของศิลปินร่วมกับ
เราได้อธิบายอภิปรัชญานกฮูกของอารมณ์ที่พัฒนาขึ้นสำหรับต้นแบบ ArsEmotica อภิปรัชญาที่ได้รับการตั้งครรภ์สำหรับจัดหมวดหมู่คำแสดงถึงอารมณ์และได้รับการที่มีประชากรกึ่งอัตโนมัติที่มีเงื่อนไขจากอิตาลี WN-ส่งผลกระทบต่อ เพื่อที่จะทำให้กรอบการทำงานที่ใช้บังคับกับภาษาอื่น ๆ เช่นภาษาอังกฤษและในที่สุดคำอธิบายพูดได้หลายภาษาของงานศิลปะที่เรากำลังทำงานเพื่อบูรณาการของอภิปรัชญา ArsEmotica กับศัพท์รุ่นสำหรับจีส์ (มะนาว) (แม็คเคร et al., 2011 ) ดังกล่าวบูรณาการจะช่วยให้เราสามารถแบ่งประเภทของพรินซ์ตัน WordNet ภาษาอังกฤษ synsets เป็นตัวแทนของแนวความคิดอารมณ์ตามประเภทอารมณ์ของเราและจากนั้นจะใช้ประโยชน์จากฐานข้อมูลคำศัพท์ที่มีอยู่หลายภาษาสอดคล้องกับ WordNet ที่จะแสดงความเชื่อมโยงไปยังอารมณ์รายการคำศัพท์ (คำพูดอารมณ์ denoting) ใน ภาษาที่เรามีความสนใจที่จะจัดการกับ (เช่น MultiWordNet สำหรับอิตาลี) 0.22 การใช้พจนานุกรมสารานุกรมพูดได้หลายภาษาเช่น BabelNet23 จะยังมีประโยชน์ในการจัดการกับปัญหา multilinguality ได้.
นอกจากนี้เราวางแผนที่จะพัฒนาอภิปรัชญาและขยายความคุ้มครองของเรา พจนานุกรมอารมณ์ยังอยู่ในเพื่อที่จะรับมือกับการแสดงออกหลายคำที่ไม่อาจถ่ายทอดอารมณ์อย่างชัดเจน แต่ที่เกี่ยวข้องกับแนวความคิดที่จะทำตามที่ได้รับการยืนยันโดยผลการศึกษาของผู้ใช้ของเรา เพื่อจัดการกับปัญหาดังกล่าวก็จะมีความสะดวกในการพึ่งพาทรัพยากรเช่น EmoSenticNet (Poria et al., 2014a) และจะนำมาใช้วิธีการตามแนวคิดเช่นหนึ่งที่อธิบายไว้ใน Poria et al, (2014b).
รูปแบบอารมณ์หมายถึงรัฐของศิลปะรูปแบบองค์ความรู้ของอารมณ์และแรงบันดาลใจส่วนติดต่อผู้ใช้แบบโต้ตอบสำหรับการแสดงผลและสรุปผลของวิธีการตรวจสอบอารมณ์ความรู้สึกที่ อินเตอร์เฟซที่ ArsEmotica ปัจจุบันให้ผู้ใช้ของเรามีความเป็นไปได้ในการเข้าถึงผลของการวิเคราะห์ทางอารมณ์ที่ ในบรรทัดนี้ขั้นตอนต่อไปคือการศึกษากลยุทธ์นวัตกรรมเพื่อเรียกดูงานศิลปะโดยอาศัยองค์กรความหมายของพวกเขาในพื้นที่ทางอารมณ์ ArsEmotica จุดมุ่งหมายคือการให้ผู้ใช้มีความเป็นไปได้ในการสำรวจทรัพยากรโดยการใช้ประโยชน์มิติต่างๆที่แนะนำโดยรูปแบบ ontological ค่าของผู้ใช้ที่เป็นไปได้ที่จะจัดการกับอาจจะเป็น "งานศิลปะที่แสดงให้ฉันเศร้า" (ความสัมพันธ์เข้ม); "แสดงให้ฉันบางสิ่งบางอย่างที่แตกต่างกันอย่างสิ้นเชิงอารมณ์" (ขั้วตรงข้าม); "แสดงผลงานศิลปะที่ฉันถ่ายทอดอารมณ์ความรู้สึกที่คล้ายกัน" (ความสัมพันธ์ความคล้ายคลึงกัน) ที่น่าสนใจอีกประการหนึ่งทิศทางที่เราจะไปตรวจสอบความเป็นไปได้ที่จะใช้กรอบ ArsEmotica เพื่อกำหนดกลยุทธ์ข้อเสนอแนะที่เป็นนวัตกรรมใหม่บนพื้นฐานของข้อมูลอารมณ์กับเนื้อหา (Tkalcic et al., 2013) ขอให้สังเกตว่าในอินเตอร์เฟซที่ปัจจุบันเรามีความสนใจที่จะนำเสนอบทสรุปของอารมณ์ปรากฏโดยงานศิลปะ, การตรวจสอบสถานะของพวกเขาง่ายโดยแท็กวิเคราะห์โดยไม่ต้องแนะนำตัวชี้วัดเกี่ยวกับความแรงญาติของพวกเขา (เช่นแท็กที่เกี่ยวข้องกับอารมณ์ความรู้สึกที่มีให้บ่อยมากขึ้นกว่าแท็ก ที่เกี่ยวข้องกับอารมณ์ B) อย่างไรก็ตามในบริบทอื่น ๆ ก็จะมีความน่าสนใจในการใช้ความถี่ของป้ายอารมณ์ความรู้สึกให้กับผู้ใช้ตัวชี้วัดเกี่ยวกับจุดแข็งที่แตกต่างกันของอารมณ์ ข้อมูลนี้สามารถใช้ประโยชน์ในการจัดอันดับปรากฏอารมณ์ในกรณีที่มีการจัดหมวดหมู่หลายและที่จะแนะนำให้ผู้ใช้สามารถเข้าชมผลงานศิลปะที่คล้ายกันอารมณ์ WRT ประเภทอารมณ์แพร่หลาย.
อีกเรื่องที่น่าสนใจที่จะอยู่จะตรวจสอบว่าประสบการณ์ของผู้ใช้อารมณ์ในความสัมพันธ์กับงานศิลปะที่ได้รับสามารถ ในช่วงเวลาที่แตกต่างกันไป การวางตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์ที่สร้างขึ้นโดยอภิปรัชญาทางอารมณ์ที่ไม่คงที่ในเวลา แต่แบบไดนามิก ผู้ใช้แพลตฟอร์มการติดแท็กสามารถใส่แท็กใหม่ (ซึ่งอารมณ์ใหม่สามารถสรุป) ผู้ใช้ใหม่สามารถแทรกการตอบอารมณ์ของพวกเขาเกี่ยวกับแท็กหรือเรามองเห็นความเป็นไปได้ว่าผู้ใช้เดียวกันจะมีการตอบสนองที่แตกต่างกันเพื่องานศิลปะเหมือนกันที่จุดที่แตกต่างกันของ เวลา. ดังนั้นประสบการณ์ในการท่องอารมณ์เป็นตัวขับเคลื่อนให้สามารถแตกต่างกันเป็นครั้งคราว เราสามารถมองเห็นกรอบการประยุกต์ใช้ที่เพิ่มขึ้นที่ต้นตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์จะถูกกำหนดโดยส่วนใหญ่ทำงานร่วมกันของศิลปินและภัณฑารักษ์ที่พวกเขาจะเป็นคนแรกที่จะเพิ่มความหมายให้กับงานศิลปะและจากนั้นจะให้ การป้อนข้อมูลที่ "เครื่องมือทางอารมณ์" ต่อมาเมื่อโปรแกรมเริ่มที่จะเก็บความหมายใหม่แสดงโดยผู้เข้าชมงานศิลปะที่จะเริ่มลอยอยู่ในพื้นที่ทางอารมณ์ งานศิลปะใหม่และความหมายที่สามารถเพิ่มได้ตลอดเวลา, ความสัมพันธ์ทางอารมณ์อย่างต่อเนื่องจะมีการเปลี่ยนแปลงโดยสะท้อนให้เห็นถึงวิวัฒนาการของชุมชนและการรับรู้ที่แฝงอยู่ในการจัดเรียงของอารมณ์ "จิตวิญญาณ" ซึ่งเป็น การจัดการกับแง่มุมแบบไดนามิกเหล่านี้อยู่นอกขอบเขตของข้อเสนอปัจจุบัน แต่มันอาจจะเป็นสายที่น่าสนใจของการวิจัยที่จะปฏิบัติตามในการทำงานในอนาคต.
ArsEmotica ได้รับการทดสอบเกี่ยวกับข้อมูลทางสังคมและงานศิลปะจากโลกแห่งความจริงคอลเลกชันออนไลน์ arsmeteo.org ชุดข้อมูล ArsMeteo อุดมกับเมตาดาต้าเกี่ยวกับอารมณ์ความรู้สึกที่ตรวจพบโดย ArsEmotica ที่อยู่ในรูปแบบ RDF และสามารถเข้าถึงได้ผ่านการสาธิตปลายทาง SPARQL นวนิยายแบบครบวงจรรูปแบบข้อมูลความหมายได้ถูกกำหนดไว้ที่งานศิลปะที่เป็นของสะสมที่ได้รับการอธิบายความหมายโดยอ้างถึงประเภทของอารมณ์อภิปรัชญาของอารมณ์ กรอบช่วยให้เราสามารถสร้างแบบจำลองความสัมพันธ์ระหว่างงานศิลปะบุคคลและอารมณ์โดยการรวมอภิปรัชญา ArsEmotica ของอารมณ์กับจีใช้ได้เช่น FOAF และ OMR นอกจากนี้ที่เป็นไปได้และมีความเกี่ยวข้องข้อมูลของเราที่เชื่อมโยงกับการเก็บภายนอกของล็อดเช่น DBpedia.
การศึกษาผู้ได้รับการเสนอโดยมีจุดประสงค์หลักในการทดสอบประสิทธิภาพของกรอบการทำงานสำหรับงานติดแท็กอารมณ์ที่มีความสำคัญเป็นพิเศษ บนมือข้างหนึ่ง, ในรูปแบบอารมณ์พื้นฐานในมืออื่น ๆ ที่เกี่ยวกับอินเตอร์เฟซการสร้างภาพแรงบันดาลใจจากล้อ Plutchik ของอารมณ์ ผลเป็นบวกมากในทั้งสองด้านและความคิดเห็นของอาสาสมัครในช่วงการคิดออกเสียงเซสชั่นจะเป็นประโยชน์มากในการออกแบบการพัฒนาในอนาคตของกรอบ โดยเฉพาะอย่างยิ่งเรื่องบางอย่างที่แนะนำในการพัฒนาระดับสังคมของโปรแกรมเนื่องจากพวกเขามีความสนใจในการเปรียบเทียบการตอบสนองทางอารมณ์ของพวกเขาด้วยอารมณ์ที่แตกต่างกันการตอบสนองอาจจะของผู้อื่น (เพื่อนหรือเพียงแค่ผู้เข้าชม) มีความสนใจในงานศิลปะเหมือนกัน นอกจากนี้มันโผล่ออกมาว่าผู้ใช้ต้องการที่จะมีอิสระมากขึ้นในการเลือกแท็กสำหรับความคิดเห็นในขณะที่พวกเขาแสดงความปรารถนาที่จะประเมินแท็กที่ไม่ได้ถูกเลือกให้เป็นมีความเชื่อมั่นอย่างมีนัยสำคัญในการโหลดตาม SentiWordNet ในฐานะที่เป็นข้อสังเกตใน Strapparava et al, (2006) ในบางกรณีอำนาจอารมณ์ของคำเป็นส่วนหนึ่งของจินตนาการร่วมกัน (คิดว่าสำหรับตัวอย่างของคำว่า 'สงคราม') แต่คำบางคำสามารถทางอารมณ์สำหรับคนอันเนื่องมาจากเรื่องของแต่ละบุคคลของเธอ ดังนั้นจึงอาจจะดีกว่าที่จะขยายตัวกรองของคำที่จะเสนอข้อเสนอแนะของผู้ใช้ตั้งแต่หนึ่งในปัจจุบันถูกมองว่าเป็นข้อ จำกัด .
สำหรับสิ่งที่กังวลการใช้งานที่มุ่งหน้าของกรอบ ArsEmotica ก็สามารถใช้ประโยชน์ตามทิศทางที่ตรวจสอบใน ไซมอน (2010) เป็นเครื่องมือ formuseums ร่วมสร้างแกลเลอรี่เสมือนและกิจกรรมอื่น ๆ ที่อยู่ภายใต้ร่มทั่วไปอุตสาหกรรม ofcreative ในภาคนี้ความต้องการที่มีการเติบโตสำหรับประสบการณ์การใช้งานใหม่และดังนั้นสำหรับการใช้งานรวมถึงแอพพลิเคมาร์ทโทรศัพท์ที่มีจุดมุ่งหมายที่สำคัญคือการกระตุ้นให้เกิดการโต้ตอบกับผู้ใช้ชุมชนและส่งเสริมให้ผู้เข้าชมที่จะแบ่งปันประสบการณ์ของพวกเขา โปรแกรมดังกล่าวสามารถมีรสชาติทางวัฒนธรรม แต่ยังสามารถที่เกี่ยวข้องภายในเพื่อการพักผ่อนและจะช่วยเปลี่ยนประสบการณ์ศิลปะบรรลุผลคลาสสิกเข้านวัตกรรมประสบการณ์ที่ดื่มด่ำมากขึ้นด้วยผลกระทบมากขึ้นในการเข้าชม.
ศิลปะและอารมณ์ที่เกี่ยวข้องกับธรรมชาติซิลเวีย (2005) และในขณะที่ยังมีการศึกษาการใช้งานของเราได้รับการยืนยันความเป็นไปได้ที่จะคาดเดาเกี่ยวกับการเร้าอารมณ์ทางศิลปะของอารมณ์และให้เหตุผลในงานศิลปะที่ผู้เขียนและปรากฏอารมณ์ภายในมิติทางสังคมที่ความรู้สึกส่วนบุคคลเกี่ยวกับงานศิลปะที่สามารถนำมาเปรียบเทียบกับสิ่งที่รู้สึกว่าคนอื่น ๆ น่าจะเป็นที่น่าสนใจจากมุมมองของผู้เข้าชม นอกจากนี้ยังมีความเป็นไปได้ในการเก็บรวบรวมการตอบสนองทางอารมณ์ให้กับงานศิลปะและคอลเลกชันจะมีความสำคัญสำหรับศิลปินและภัณฑารักษ์ในการสั่งซื้อที่จะได้รับข้อเสนอแนะเกี่ยวกับการสร้างสรรค์ของพวกเขา แต่ยังสำหรับผู้กำหนดนโยบายในภาคมรดกทางวัฒนธรรมที่จำเป็นต้องมีเครื่องมือ e-participation ขั้นสูงสำหรับการได้รับการสนับสนุน ในการทำงานของพวกเขาทั้งในขั้นตอนการตัดสินใจและการประเมินผลในอดีตโพสต์ของผลกระทบของนโยบายของพวกเขา (เช่นอะไรคือสิ่งที่ความเชื่อมั่นของประชาชนเกี่ยวกับการจัดนิทรรศการหนี้สาธารณะหรือไม่) อีกสนามโปรแกรมที่น่าสนใจจะได้รับจากตัวเลขการเติบโตของแกลเลอรี่เสมือนเช่น http://www.saatchiart.com ที่เติบโตในปีที่ผ่านมามีมุมมองทางธุรกิจที่มีจุดมุ่งหมายหลักในการขายงานศิลปะออนไลน์ (ทัศนศิลป์โดยเฉพาะอย่างยิ่ง ) นอกจากนี้ในกรณีนี้การตรวจสอบอารมณ์ความรู้สึกในคำหลักและข้อมูลอื่น ๆ ที่เกี่ยวข้องกับงานศิลปะอาจจะมีประโยชน์ในการที่จะนำเสนออารมณ์ความรู้สึกใหม่ที่ขับเคลื่อนด้วยฟังก์ชันการค้นหาให้กับลูกค้าของเว็บไซต์ที่จะนำมารวมกันอาจจะเป็นที่มีเกณฑ์การค้นหาแบบดั้งเดิมขึ้นอยู่กับประเภท (เช่นภาพวาด การถ่ายภาพหรือประติมากรรม) ซึ่งครอบคลุมลักษณะโวหาร เมื่อเร็ว ๆ นี้เป็นวิธีการที่คล้ายกันได้ถูกนำมาใช้ประสบความสำเร็จกับเพลงดิจิตอลด้วยกับข้อเสนอของการให้บริการสตรีมมิ่งเพลงที่แทนการหาเพลงตามประเภทหรือดนตรีความสัมพันธ์เสนอตัวเลือกที่เหมาะกับอารมณ์ของผู้ใช้และความรู้สึกเช่น Stereomood, http: / /www.stereomood.com.
สุดท้ายไปได้ที่จะใช้ประโยชน์จากข้อมูลทางภูมิศาสตร์เกี่ยวกับสถานที่ทำงานของศิลปินร่วมกับ
การแปล กรุณารอสักครู่..
ในกระดาษนี้เรานำเสนอกรอบใบสมัครที่เทคโนโลยีความหมาย เชื่อมโยงข้อมูลและเทคนิคการประมวลผลภาษาธรรมชาติได้ถูกใช้เพื่อศึกษาลักษณะอารมณ์ของสิ่งประดิษฐ์ทางวัฒนธรรม ตามความเชื่อมั่นของผู้ใช้ที่พบในสถาปัตยกรรม ศิลปะ สังคม จุดมุ่งหมายคือสองเท่า : การรับรู้และเห็นผลกระทบทางอารมณ์ของงานศิลปะในคนเพื่อให้อารมณ์การขับเคลื่อนองค์กร สามารถเข้าถึงและสืบค้นของงานศิลปะและข้อมูลที่เกี่ยวข้องในคอลเลกชันออนไลน์
เราได้อธิบายนกฮูกอภิปรัชญาของอารมณ์ เพื่อพัฒนา arsemotica ต้นแบบ ทางอภิปรัชญาที่ได้รับการสนับสนุนสำหรับการแยกแยะอารมณ์ถึงคำและได้รับกึ่งอัตโนมัติด้วยเงื่อนไขจากอิตาลี WN ผลกระทบต่อเพื่อให้กรอบที่ใช้ภาษาอื่น เช่น ภาษาอังกฤษ และในที่สุดให้คำอธิบายพูดได้หลายภาษาของงานศิลปะ เรากำลังทำงานเพื่อการบูรณาการของ arsemotica อภิปรัชญากับรูปแบบพจนานุกรมสำหรับนโทโลจี ( มะนาว ) ( เมิกเครย์ et al . , 2011 )เช่น การบูรณาการจะช่วยให้เราสามารถจำแนกเครือข่ายคำภาษาอังกฤษ synsets พิสัยแนวคิดของพรินซ์ตันภายใต้หมวดหมู่ อารมณ์ของเรา และก็จะใช้ประโยชน์จากบริการหลายภาษาฐานข้อมูลคำศัพท์ชิดเพื่อแสดงการเชื่อมโยงไปยังเครือข่ายคำศัพท์รายการอารมณ์ ( อารมณ์ถึงคำ ) ในภาษาเราสนใจที่จะจัดการกับ ( เช่น multiwordnet สำหรับอิตาลี )22 การใช้หลายภาษา สารานุกรม พจนานุกรม เช่น babelnet23 จะยังประโยชน์เพื่อจัดการกับปัญหา multilinguality .
นอกจากนี้เราวางแผนที่จะพัฒนาและขยายความครอบคลุมของอภิปรัชญาพจนานุกรมอารมณ์ของเรา เพื่อที่จะรับมือกับสำนวนหลายคำที่ไม่อาจถ่ายทอดอารมณ์อย่างชัดเจน แต่เกี่ยวข้องกับแนวคิดที่ทำ ,มันได้รับการยืนยันโดยผลการศึกษาของผู้ใช้ของเรา เพื่อจัดการกับปัญหาดังกล่าว ก็จะสะดวกในการพึ่งพาทรัพยากร เช่น emosenticnet ( พอเรีย et al . , 2014a ) และใช้แนวคิดแนวทางตาม เหมือนที่อธิบายไว้ในโพเรีย et al . (
2014b )รูปแบบทางอารมณ์ หมายถึง รูปแบบของการรับรู้อารมณ์และมีอินเตอร์เฟซผู้ใช้แบบโต้ตอบสำหรับแสดงผล และสรุปผลของอารมณ์ การตรวจสอบขั้นตอนวิธีการดลใจ อินเตอร์เฟซ arsemotica ปัจจุบันมีผู้ใช้ที่มีความเป็นไปได้ที่จะเข้าถึงผลของการวิเคราะห์ทางอารมณ์ ในบรรทัดนี้ขั้นตอนถัดไปคือการ ศึกษากลยุทธ์นวัตกรรมที่จะเรียกงานศิลปะ โดยอาศัยองค์กรความหมายของพวกเขาใน arsemotica อารมณ์พื้นที่ มีจุดมุ่งหมายเพื่อให้ผู้ใช้ที่มีความเป็นไปได้ที่จะสำรวจทรัพยากรโดย exploiting มิติต่างๆที่แนะนำโดยรูปแบบภววิทยา . การตั้งค่าผู้ใช้สามารถจัดการกับอาจจะ : " แสดงให้ฉันเศร้า งานศิลปะ " ( ความสัมพันธ์ )" แสดงให้ฉันสิ่งที่แตกต่างกันอารมณ์อย่างสมบูรณ์ " ( ตรงกันข้าม ) ; " แสดงงานศิลปะที่ถ่ายทอดอารมณ์ที่คล้ายกัน " ( คล้ายความสัมพันธ์ ) อีกตัวหนึ่งที่น่าสนใจทางเราจะทำการตรวจสอบมีความเป็นไปได้ที่จะใช้ arsemotica กรอบการกำหนดกลยุทธ์ด้านนวัตกรรมการแนะนำตามข้อมูลในเนื้อหา ( tkalcic et al . , 2013 ) แจ้งให้ทราบว่าในอินเตอร์เฟซที่ปัจจุบัน เราสนใจข้อเสนอสรุปของอารมณ์ที่เกิดจากการปรากฏตัวของงานศิลปะง่าย โดยวิเคราะห์แท็กโดยไม่ต้องแนะนำวัดเกี่ยวกับความแข็งแรงสัมพัทธ์ของพวกเขา ( เช่นแท็กที่เกี่ยวข้องกับอารมณ์บ่อยกว่าแท็กที่เกี่ยวข้องกับอารมณ์ B ) อย่างไรก็ตามในบริบทอื่น ๆ มันจะน่าสนใจที่จะใช้คลื่นความถี่ของฉลากอารมณ์ให้ผู้ใช้มาตรการเกี่ยวกับจุดแข็งที่แตกต่างกันของอารมณ์ ข้อมูลนี้อาจเป็นประโยชน์เพื่อจัดอันดับปลุกอารมณ์ในกรณีของการจำแนกพหุ และแนะนำให้ผู้ใช้เยี่ยมชมงานศิลปะที่คล้ายกันอารมณ์ w.r.t. ประเภทอารมณ์
ที่แพร่หลายอีกประเด็นที่น่าสนใจอยู่คือตรวจสอบว่าผู้ใช้ประสบการณ์ทางอารมณ์ในความสัมพันธ์กับให้งานศิลปะสามารถแตกต่างกันไปในช่วงเวลา ตำแหน่งของงานศิลปะในพื้นที่ที่สร้างขึ้นโดยทางอภิปรัชญา อารมณ์ไม่คงที่ในเวลา แต่แบบไดนามิก ผู้ใช้ของการติดแท็กแพลตฟอร์มสามารถแทรกแท็กใหม่ ( จากที่อารมณ์ใหม่สามารถ inferred )ผู้ใช้ใหม่สามารถแทรกทางอารมณ์ตอบรับเรื่องแท็ก หรือเราจินตนาการความเป็นไปได้ที่ผู้ใช้เดียวกันสามารถมีการตอบสนองงานศิลปะเดียวกันแตกต่างกันที่จุดที่แตกต่างกันของเวลา ดังนั้นอารมณ์ที่ขับเคลื่อนให้ประสบการณ์การท่องที่สามารถจะแตกต่างจากเวลา เราสามารถพิจารณาการเพิ่มกรอบใบสมัครที่ไหน ตอนแรกตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์จะถูกกำหนดโดยส่วนใหญ่ปฏิสัมพันธ์ของศิลปินและภัณฑารักษ์ : พวกเขาจะเป็นกลุ่มแรกที่จะเพิ่มความหมายให้งานศิลปะ แล้วให้ใส่ " เครื่องยนต์ " อารมณ์ ต่อมาเมื่อมีการเริ่มเก็บใหม่ความหมายแสดงโดยผู้เข้าชมงานจะเริ่มลอยในพื้นที่อ่อนไหวงานศิลปะใหม่และความหมายสามารถเพิ่มได้ตลอดเวลา ความสัมพันธ์ทางอารมณ์อย่างต่อเนื่องจะเปลี่ยนแปลง โดยสะท้อนให้เห็นถึงวิวัฒนาการของชุมชน และแฝงการจัดเรียงของอารมณ์ " ไซท์ไกสท์ " การจัดการกับรูปแบบไดนามิกเหล่านี้ออกจากขอบเขตของข้อเสนอปัจจุบัน แต่มันอาจเป็นบรรทัดที่น่าสนใจของการวิจัยที่จะปฏิบัติตามในการทำงานในอนาคต .
arsemotica ถูกนำมาทดสอบกับข้อมูลทางสังคมและงานศิลปะจากจริงออนไลน์คอลเลกชัน arsmeteo.org . การ arsmeteo DataSet , อุดมไปด้วยข้อมูลที่เกี่ยวกับอารมณ์ที่ตรวจพบโดย arsemotica , สามารถใช้ได้ในรูปแบบ RDF และสามารถเข้าถึงได้ผ่านการสาธิต sparql endpoint . นิยายรวมแบบจำลองข้อมูลเชิงตรรก ได้รับการระบุที่งานศิลปะของคอลเลกชันที่เป็นองค์ประกอบของการอธิบายโดยหมายถึงอารมณ์ประเภทของอภิปรัชญาของอารมณ์ กรอบที่ช่วยให้เราเพื่อรูปแบบความสัมพันธ์ระหว่างงานศิลปะ บุคคล และอารมณ์ โดยรวม arsemotica อภิปรัชญาของอารมณ์กับนโทโลจีที่มีอยู่ เช่น foaf OMR และ . นอกจากนี้ เป็นไปได้ และที่เกี่ยวข้องข้อมูลที่เชื่อมโยงกับที่เก็บภายนอกของโลด เช่น dbpedia .
ผู้ใช้ศึกษาได้รับการเสนอที่มีจุดประสงค์หลักเพื่อทดสอบประสิทธิผลของกรอบอารมณ์ให้งานกับเน้นเป็นพิเศษในด้านหนึ่งเป็นต้นแบบ อารมณ์ บนมืออื่น ๆที่เกี่ยวกับการติดต่อแรงบันดาลใจของ plutchik ล้อของอารมณ์
เราได้อธิบายนกฮูกอภิปรัชญาของอารมณ์ เพื่อพัฒนา arsemotica ต้นแบบ ทางอภิปรัชญาที่ได้รับการสนับสนุนสำหรับการแยกแยะอารมณ์ถึงคำและได้รับกึ่งอัตโนมัติด้วยเงื่อนไขจากอิตาลี WN ผลกระทบต่อเพื่อให้กรอบที่ใช้ภาษาอื่น เช่น ภาษาอังกฤษ และในที่สุดให้คำอธิบายพูดได้หลายภาษาของงานศิลปะ เรากำลังทำงานเพื่อการบูรณาการของ arsemotica อภิปรัชญากับรูปแบบพจนานุกรมสำหรับนโทโลจี ( มะนาว ) ( เมิกเครย์ et al . , 2011 )เช่น การบูรณาการจะช่วยให้เราสามารถจำแนกเครือข่ายคำภาษาอังกฤษ synsets พิสัยแนวคิดของพรินซ์ตันภายใต้หมวดหมู่ อารมณ์ของเรา และก็จะใช้ประโยชน์จากบริการหลายภาษาฐานข้อมูลคำศัพท์ชิดเพื่อแสดงการเชื่อมโยงไปยังเครือข่ายคำศัพท์รายการอารมณ์ ( อารมณ์ถึงคำ ) ในภาษาเราสนใจที่จะจัดการกับ ( เช่น multiwordnet สำหรับอิตาลี )22 การใช้หลายภาษา สารานุกรม พจนานุกรม เช่น babelnet23 จะยังประโยชน์เพื่อจัดการกับปัญหา multilinguality .
นอกจากนี้เราวางแผนที่จะพัฒนาและขยายความครอบคลุมของอภิปรัชญาพจนานุกรมอารมณ์ของเรา เพื่อที่จะรับมือกับสำนวนหลายคำที่ไม่อาจถ่ายทอดอารมณ์อย่างชัดเจน แต่เกี่ยวข้องกับแนวคิดที่ทำ ,มันได้รับการยืนยันโดยผลการศึกษาของผู้ใช้ของเรา เพื่อจัดการกับปัญหาดังกล่าว ก็จะสะดวกในการพึ่งพาทรัพยากร เช่น emosenticnet ( พอเรีย et al . , 2014a ) และใช้แนวคิดแนวทางตาม เหมือนที่อธิบายไว้ในโพเรีย et al . (
2014b )รูปแบบทางอารมณ์ หมายถึง รูปแบบของการรับรู้อารมณ์และมีอินเตอร์เฟซผู้ใช้แบบโต้ตอบสำหรับแสดงผล และสรุปผลของอารมณ์ การตรวจสอบขั้นตอนวิธีการดลใจ อินเตอร์เฟซ arsemotica ปัจจุบันมีผู้ใช้ที่มีความเป็นไปได้ที่จะเข้าถึงผลของการวิเคราะห์ทางอารมณ์ ในบรรทัดนี้ขั้นตอนถัดไปคือการ ศึกษากลยุทธ์นวัตกรรมที่จะเรียกงานศิลปะ โดยอาศัยองค์กรความหมายของพวกเขาใน arsemotica อารมณ์พื้นที่ มีจุดมุ่งหมายเพื่อให้ผู้ใช้ที่มีความเป็นไปได้ที่จะสำรวจทรัพยากรโดย exploiting มิติต่างๆที่แนะนำโดยรูปแบบภววิทยา . การตั้งค่าผู้ใช้สามารถจัดการกับอาจจะ : " แสดงให้ฉันเศร้า งานศิลปะ " ( ความสัมพันธ์ )" แสดงให้ฉันสิ่งที่แตกต่างกันอารมณ์อย่างสมบูรณ์ " ( ตรงกันข้าม ) ; " แสดงงานศิลปะที่ถ่ายทอดอารมณ์ที่คล้ายกัน " ( คล้ายความสัมพันธ์ ) อีกตัวหนึ่งที่น่าสนใจทางเราจะทำการตรวจสอบมีความเป็นไปได้ที่จะใช้ arsemotica กรอบการกำหนดกลยุทธ์ด้านนวัตกรรมการแนะนำตามข้อมูลในเนื้อหา ( tkalcic et al . , 2013 ) แจ้งให้ทราบว่าในอินเตอร์เฟซที่ปัจจุบัน เราสนใจข้อเสนอสรุปของอารมณ์ที่เกิดจากการปรากฏตัวของงานศิลปะง่าย โดยวิเคราะห์แท็กโดยไม่ต้องแนะนำวัดเกี่ยวกับความแข็งแรงสัมพัทธ์ของพวกเขา ( เช่นแท็กที่เกี่ยวข้องกับอารมณ์บ่อยกว่าแท็กที่เกี่ยวข้องกับอารมณ์ B ) อย่างไรก็ตามในบริบทอื่น ๆ มันจะน่าสนใจที่จะใช้คลื่นความถี่ของฉลากอารมณ์ให้ผู้ใช้มาตรการเกี่ยวกับจุดแข็งที่แตกต่างกันของอารมณ์ ข้อมูลนี้อาจเป็นประโยชน์เพื่อจัดอันดับปลุกอารมณ์ในกรณีของการจำแนกพหุ และแนะนำให้ผู้ใช้เยี่ยมชมงานศิลปะที่คล้ายกันอารมณ์ w.r.t. ประเภทอารมณ์
ที่แพร่หลายอีกประเด็นที่น่าสนใจอยู่คือตรวจสอบว่าผู้ใช้ประสบการณ์ทางอารมณ์ในความสัมพันธ์กับให้งานศิลปะสามารถแตกต่างกันไปในช่วงเวลา ตำแหน่งของงานศิลปะในพื้นที่ที่สร้างขึ้นโดยทางอภิปรัชญา อารมณ์ไม่คงที่ในเวลา แต่แบบไดนามิก ผู้ใช้ของการติดแท็กแพลตฟอร์มสามารถแทรกแท็กใหม่ ( จากที่อารมณ์ใหม่สามารถ inferred )ผู้ใช้ใหม่สามารถแทรกทางอารมณ์ตอบรับเรื่องแท็ก หรือเราจินตนาการความเป็นไปได้ที่ผู้ใช้เดียวกันสามารถมีการตอบสนองงานศิลปะเดียวกันแตกต่างกันที่จุดที่แตกต่างกันของเวลา ดังนั้นอารมณ์ที่ขับเคลื่อนให้ประสบการณ์การท่องที่สามารถจะแตกต่างจากเวลา เราสามารถพิจารณาการเพิ่มกรอบใบสมัครที่ไหน ตอนแรกตำแหน่งของงานศิลปะในพื้นที่ทางอารมณ์จะถูกกำหนดโดยส่วนใหญ่ปฏิสัมพันธ์ของศิลปินและภัณฑารักษ์ : พวกเขาจะเป็นกลุ่มแรกที่จะเพิ่มความหมายให้งานศิลปะ แล้วให้ใส่ " เครื่องยนต์ " อารมณ์ ต่อมาเมื่อมีการเริ่มเก็บใหม่ความหมายแสดงโดยผู้เข้าชมงานจะเริ่มลอยในพื้นที่อ่อนไหวงานศิลปะใหม่และความหมายสามารถเพิ่มได้ตลอดเวลา ความสัมพันธ์ทางอารมณ์อย่างต่อเนื่องจะเปลี่ยนแปลง โดยสะท้อนให้เห็นถึงวิวัฒนาการของชุมชน และแฝงการจัดเรียงของอารมณ์ " ไซท์ไกสท์ " การจัดการกับรูปแบบไดนามิกเหล่านี้ออกจากขอบเขตของข้อเสนอปัจจุบัน แต่มันอาจเป็นบรรทัดที่น่าสนใจของการวิจัยที่จะปฏิบัติตามในการทำงานในอนาคต .
arsemotica ถูกนำมาทดสอบกับข้อมูลทางสังคมและงานศิลปะจากจริงออนไลน์คอลเลกชัน arsmeteo.org . การ arsmeteo DataSet , อุดมไปด้วยข้อมูลที่เกี่ยวกับอารมณ์ที่ตรวจพบโดย arsemotica , สามารถใช้ได้ในรูปแบบ RDF และสามารถเข้าถึงได้ผ่านการสาธิต sparql endpoint . นิยายรวมแบบจำลองข้อมูลเชิงตรรก ได้รับการระบุที่งานศิลปะของคอลเลกชันที่เป็นองค์ประกอบของการอธิบายโดยหมายถึงอารมณ์ประเภทของอภิปรัชญาของอารมณ์ กรอบที่ช่วยให้เราเพื่อรูปแบบความสัมพันธ์ระหว่างงานศิลปะ บุคคล และอารมณ์ โดยรวม arsemotica อภิปรัชญาของอารมณ์กับนโทโลจีที่มีอยู่ เช่น foaf OMR และ . นอกจากนี้ เป็นไปได้ และที่เกี่ยวข้องข้อมูลที่เชื่อมโยงกับที่เก็บภายนอกของโลด เช่น dbpedia .
ผู้ใช้ศึกษาได้รับการเสนอที่มีจุดประสงค์หลักเพื่อทดสอบประสิทธิผลของกรอบอารมณ์ให้งานกับเน้นเป็นพิเศษในด้านหนึ่งเป็นต้นแบบ อารมณ์ บนมืออื่น ๆที่เกี่ยวกับการติดต่อแรงบันดาลใจของ plutchik ล้อของอารมณ์
การแปล กรุณารอสักครู่..
ภาษาอื่น ๆ
การสนับสนุนเครื่องมือแปลภาษา: กรีก, กันนาดา, กาลิเชียน, คลิงออน, คอร์สิกา, คาซัค, คาตาลัน, คินยารวันดา, คีร์กิซ, คุชราต, จอร์เจีย, จีน, จีนดั้งเดิม, ชวา, ชิเชวา, ซามัว, ซีบัวโน, ซุนดา, ซูลู, ญี่ปุ่น, ดัตช์, ตรวจหาภาษา, ตุรกี, ทมิฬ, ทาจิก, ทาทาร์, นอร์เวย์, บอสเนีย, บัลแกเรีย, บาสก์, ปัญจาป, ฝรั่งเศส, พาชตู, ฟริเชียน, ฟินแลนด์, ฟิลิปปินส์, ภาษาอินโดนีเซี, มองโกเลีย, มัลทีส, มาซีโดเนีย, มาราฐี, มาลากาซี, มาลายาลัม, มาเลย์, ม้ง, ยิดดิช, ยูเครน, รัสเซีย, ละติน, ลักเซมเบิร์ก, ลัตเวีย, ลาว, ลิทัวเนีย, สวาฮิลี, สวีเดน, สิงหล, สินธี, สเปน, สโลวัก, สโลวีเนีย, อังกฤษ, อัมฮาริก, อาร์เซอร์ไบจัน, อาร์เมเนีย, อาหรับ, อิกโบ, อิตาลี, อุยกูร์, อุสเบกิสถาน, อูรดู, ฮังการี, ฮัวซา, ฮาวาย, ฮินดี, ฮีบรู, เกลิกสกอต, เกาหลี, เขมร, เคิร์ด, เช็ก, เซอร์เบียน, เซโซโท, เดนมาร์ก, เตลูกู, เติร์กเมน, เนปาล, เบงกอล, เบลารุส, เปอร์เซีย, เมารี, เมียนมา (พม่า), เยอรมัน, เวลส์, เวียดนาม, เอสเปอแรนโต, เอสโทเนีย, เฮติครีโอล, แอฟริกา, แอลเบเนีย, โคซา, โครเอเชีย, โชนา, โซมาลี, โปรตุเกส, โปแลนด์, โยรูบา, โรมาเนีย, โอเดีย (โอริยา), ไทย, ไอซ์แลนด์, ไอร์แลนด์, การแปลภาษา.
- no there isnt
- ดังนั้นการที่ทำให้กลุ่มธุรกิจวิสาหกิจขนา
- เราไม่สามารถรู้อนาคต
- The authors thank all the persons who su
- มันต้องอร่อย
- ขอจบการนำเสนอค่ะ
- อำเภอเมืองนครนายก
- Please adhere strictly to the accounts
- include at least 1 upper and 1 lower cas
- provisioned
- But it's your problem, not mine.
- เมืองไทยยินดีต้อนรับ
- จักรยานเสือหมอบ
- เมื่อวานเขาไม่รอ
- ข้างฉันยังว่าง
- วัน เดือน ปี ที่สำเร็จการศึกษา
- เมื่อวานเขาไม่รอ
- ผัดกระเพราปลาหมึก
- The idea is that Beyonce isn't enough, h
- จักรยานเสือหมอบ
- ยินดีครับ
- Note. For the Tamarind paste from Green
- disseminate
- ดังนั้น
