論文の概要: Predicting Strategic Behavior from Free Text

• arxiv url: http://arxiv.org/abs/2004.02973v2
• Date: Tue, 19 May 2020 08:17:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 05:34:56.377704
• Title: Predicting Strategic Behavior from Free Text
• Title（参考訳）: 自由テキストからの戦略的行動予測
• Authors: Omer Ben-Porat, Sharon Hirsch, Lital Kuchy, Guy Elad, Roi Reichart, Moshe Tennenholtz
• Abstract要約: 我々は,ゲームとしてモデル化された経済状況下でのメッセージと行動の関連性について検討する。 本研究では,個人が提供した自由テキストに基づくワンショットゲームにおいて,個人の行動予測に関する研究を紹介する。 これらの属性に基づいたワンショットゲームにおいて,これらの個人が行う行動を予測するために,トランスダクティブ・ラーニング(transductive learning)を採用している。
• 参考スコア（独自算出の注目度）: 38.506665373140876
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The connection between messaging and action is fundamental both to web applications, such as web search and sentiment analysis, and to economics. However, while prominent online applications exploit messaging in natural (human) language in order to predict non-strategic action selection, the economics literature focuses on the connection between structured stylized messaging to strategic decisions in games and multi-agent encounters. This paper aims to connect these two strands of research, which we consider highly timely and important due to the vast online textual communication on the web. Particularly, we introduce the following question: can free text expressed in natural language serve for the prediction of action selection in an economic context, modeled as a game? In order to initiate the research on this question, we introduce the study of an individual's action prediction in a one-shot game based on free text he/she provides, while being unaware of the game to be played. We approach the problem by attributing commonsensical personality attributes via crowd-sourcing to free texts written by individuals, and employing transductive learning to predict actions taken by these individuals in one-shot games based on these attributes. Our approach allows us to train a single classifier that can make predictions with respect to actions taken in multiple games. In experiments with three well-studied games, our algorithm compares favorably with strong alternative approaches. In ablation analysis, we demonstrate the importance of our modeling choices---the representation of the text with the commonsensical personality attributes and our classifier---to the predictive power of our model.
• Abstract（参考訳）: メッセージとアクションの関連性は、Web検索や感情分析のようなWebアプリケーションと経済学の両方に基本的である。 しかしながら、著名なオンラインアプリケーションは、非ストラテジックなアクション選択を予測するために、自然な(人間)言語でのメッセージングを利用する一方、経済学文献は構造化されたスタイル化されたメッセージングとゲームにおける戦略的決定とマルチエージェントの遭遇との関連に焦点を当てている。 本稿では,これら2つの研究の連鎖をつなぐことを目的とし,web上でのオンラインテキスト通信の広さから,時間的かつ重要視する。 特に、自然言語で表現された自由テキストは、ゲームとしてモデル化された経済的な文脈における行動選択の予測に役立つか? 本研究では,この課題について研究を開始するために,プレイすべきゲームに気付いていないまま,提供した自由テキストに基づくワンショットゲームにおいて,個人の行動予測に関する研究を紹介する。 我々は,クラウドソーシングによる共通感覚的性格特性を個人が書いた自由テキストに寄与させ,これらの属性に基づいたワンショットゲームにおける個人による行動予測にトランスダクティブ学習を採用することで,この問題に対処する。 当社のアプローチでは、複数のゲームで実行されるアクションに対して予測を行う単一の分類器をトレーニングすることが可能です。 3つのよく研究されたゲームを使った実験では、アルゴリズムは強力な代替手法と好意的に比較される。 アブレーション分析において,我々はモデルの予測能力に対して,共通認識的パーソナリティ属性によるテキスト表現と分類器のモデル化選択の重要性を実証する。

関連論文リスト

• Werewolf Among Us: A Multimodal Dataset for Modeling Persuasion Behaviors in Social Deduction Games [45.55448048482881]
  本稿では,説得行動のモデル化のための最初のマルチモーダルデータセットを提案する。 データセットには199の対話文とビデオ,26,647の発話レベルアノテーションの説得戦略,ゲームレベルアノテーションの推論ゲーム結果が含まれている。
  論文  参考訳（メタデータ） (2022-12-16T04:52:53Z)
• Using Graph-Aware Reinforcement Learning to Identify Winning Strategies in Diplomacy Games (Student Abstract) [9.34612743192798]
  本稿では,オンライン政治戦略ゲームにおける多人数談話における複雑な社会現象の検出とモデル化の目標指向モデルへのアプローチを提案する。 まず,言語的特徴として社会言語的振る舞いを符号化し,次に強化学習を用いてプレイヤーに与えられる利点を推定する2段階のアプローチを開発した。 我々のグラフ認識アプローチは、コンテキストに依存しないセットアップに比べて堅牢なパフォーマンスを示している。
  論文  参考訳（メタデータ） (2021-12-31T07:38:36Z)
• Contextual Games: Multi-Agent Learning with Side Information [57.76996806603094]
  各ラウンドでコンテキスト情報によって駆動されるコンテキストゲームの新しいクラスを定式化する。 カーネルベースの規則性仮定を用いて、異なるコンテキストとゲーム結果の相関関係をモデル化する。 本研究では,個々のプレイヤーの文脈的後悔を最小限に抑えるために,そのような相関を利用した新しいオンライン(メタ)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-13T18:37:37Z)
• Predicting Decisions in Language Based Persuasion Games [31.63182861594025]
  本稿では,説得ゲームにおける自然言語の利用について述べる。 これらの決定の予測に有効なモデルを構築することを目的としている。 私たちの結果は、相互作用シーケンスのプレフィックスを与えられたモデルが意思決定者の将来の決定を予測できることを示しています。
  論文  参考訳（メタデータ） (2020-12-17T22:52:47Z)
• Deep Reinforcement Learning with Stacked Hierarchical Attention for Text-based Games [64.11746320061965]
  自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。 エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。 提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
  論文  参考訳（メタデータ） (2020-10-22T12:40:22Z)
• Interactive Fiction Game Playing as Multi-Paragraph Reading Comprehension with Reinforcement Learning [94.50608198582636]
  対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。 IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
  論文  参考訳（メタデータ） (2020-10-05T23:09:20Z)
• Learning Dynamic Belief Graphs to Generalize on Text-Based Games [55.59741414135887]
  テキストベースのゲームをプレイするには、自然言語処理とシーケンシャルな意思決定のスキルが必要である。 本研究では,原文からエンドツーエンドに学習したグラフ構造化表現を用いて,エージェントがテキストベースのゲームでどのように計画・一般化できるかを検討する。
  論文  参考訳（メタデータ） (2020-02-21T04:38:37Z)
• I love your chain mail! Making knights smile in a fantasy game world: Open-domain goal-oriented dialogue agents [69.68400056148336]
  我々は、模倣学習したチトチャットモデルに対して強化学習を施した目標指向モデルを訓練する。 両モデルが逆モデルベースラインより優れており,目標を達成するために対話相手と自然に会話できることを示す。
  論文  参考訳（メタデータ） (2020-02-07T16:22:36Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。