論文の概要: Personality Assessment from Text for Machine Commonsense Reasoning
- arxiv url: http://arxiv.org/abs/2004.09275v1
- Date: Wed, 15 Apr 2020 07:30:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-13 03:13:10.383668
- Title: Personality Assessment from Text for Machine Commonsense Reasoning
- Title（参考訳）: 機械常識推論のためのテキストからのパーソナリティ評価
- Authors: Niloofar Hezarjaribi, Zhila Esna Ashari, James F. Frenzel, Hassan
Ghasemzadeh, and Saied Hemati
- Abstract要約: PerSenseは、表現されたテキストに基づいて人間の性格特性を推定するフレームワークである。
我々の目標は、人格特性データに機械学習アルゴリズムを使用することの可能性を示すことである。
- 参考スコア（独自算出の注目度）: 15.348792748868643
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This article presents PerSense, a framework to estimate human personality
traits based on expressed texts and to use them for commonsense reasoning
analysis. The personality assessment approaches include an aggregated
Probability Density Functions (PDF), and Machine Learning (ML) models. Our goal
is to demonstrate the feasibility of using machine learning algorithms on
personality trait data to predict humans' responses to open-ended commonsense
questions. We assess the performance of the PerSense algorithms for personality
assessment by conducting an experiment focused on Neuroticism, an important
personality trait crucial in mental health analysis and suicide prevention by
collecting data from a diverse population with different Neuroticism scores.
Our analysis shows that the algorithms achieve comparable results to the ground
truth data. Specifically, the PDF approach achieves 97% accuracy when the
confidence factor, the logarithmic ratio of the first to the second guess
probability, is greater than 3. Additionally, ML approach obtains its highest
accuracy, 82.2%, with a multilayer Perceptron classifier. To assess the
feasibility of commonsense reasoning analysis, we train ML algorithms to
predict responses to commonsense questions. Our analysis of data collected with
300 participants demonstrate that PerSense predicts answers to commonsense
questions with 82.3% accuracy using a Random Forest classifier.
- Abstract（参考訳）: 本稿では、表現されたテキストに基づいて人格特性を推定し、コモンセンス推論分析に利用するPerSenseについて述べる。
パーソナリティ評価アプローチには、集約された確率密度関数(PDF)と機械学習(ML)モデルが含まれる。
我々のゴールは、人格特性データに機械学習アルゴリズムを用いることで、オープンエンドのコモンセンス質問に対する人間の反応を予測できることを実証することである。
本研究では,精神保健分析や自殺予防に必須な性格特性であるニューロチミズムを主眼とした実験を行い,パーセンスアルゴリズムのパーセンス評価性能を,異なるニューロチミズムスコアを持つ多様な集団から収集したデータを用いて評価した。
分析の結果,アルゴリズムは真理データに匹敵する結果が得られることがわかった。
具体的には,第1推定確率と第2推定確率の対数比である信頼係数が3。
さらに、mlアプローチは、多層パーセプトロン分類器を備えた最高精度82.2%を得る。
我々は,コモンセンス推論分析の有効性を評価するために,コモンセンス質問に対する応答を予測するためにMLアルゴリズムを訓練する。
参加者300名を対象に分析を行った結果,persenseはランダム森林分類器を用いて82.3%の精度でコモンセンス質問に対する回答を予測できることが判明した。
関連論文リスト
- Accessible, At-Home Detection of Parkinson's Disease via Multi-task Video Analysis [3.1851272788128644]
既存のAIベースのパーキンソン病検出方法は、主にモータや音声タスクの単調な分析に焦点を当てている。
本稿では,このマルチモーダルデータを利用して診断精度を向上させる不確実性校正核融合ネットワーク(UFNet)を提案する。
UFNetは、精度、ORC曲線下(AUROC)の面積、非隣接特異性を維持しながら感度において、シングルタスクモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-06-21T04:02:19Z) - Individual Text Corpora Predict Openness, Interests, Knowledge and Level of Education [0.5825410941577593]
個々の検索履歴から経験への開放性の個性次元を予測することができる。
個々のテキストコーパス(IC)は,平均500万ワードトークン数214人の参加者から生成される。
論文 参考訳（メタデータ） (2024-03-29T21:44:24Z) - Multi-Dimensional Ability Diagnosis for Machine Learning Algorithms [88.93372675846123]
本稿では,機械学習アルゴリズム評価のためのタスク非依存評価フレームワークCamillaを提案する。
認識診断の仮定とニューラルネットワークを用いて、各サンプルのアルゴリズム、サンプル、スキル間の複雑な相互作用を学習する。
我々の実験では、カミラはメートル法信頼性、ランクの整合性、ランクの安定性で最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2023-07-14T03:15:56Z) - Auditing for Human Expertise [12.967730957018688]
我々は、この問題を自然仮説テストとして適用できる統計的枠組みを開発する。
本稿では,専門家の予測が興味ある結果から統計的に独立しているかどうかを判定する簡単な手順を提案する。
我々のテストの拒絶は、人間の専門家が利用可能なデータに基づいてトレーニングされたアルゴリズムに価値を付加する可能性を示唆している。
論文 参考訳（メタデータ） (2023-06-02T16:15:24Z) - Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。
提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。
これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
論文 参考訳（メタデータ） (2023-05-25T21:01:00Z) - ASPEST: Bridging the Gap Between Active Learning and Selective
Prediction [56.001808843574395]
選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。
アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。
本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
論文 参考訳（メタデータ） (2023-04-07T23:51:07Z) - Dataset Bias in Human Activity Recognition [57.91018542715725]
このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。
時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
論文 参考訳（メタデータ） (2023-01-19T12:33:50Z) - Analyzing Wearables Dataset to Predict ADLs and Falls: A Pilot Study [0.0]
本稿では,日常の生活と転倒の行動を認識するシステムの評価に使用できる,30のウェアラブルベースのデータセットを網羅的にレビューする。
5つの機械学習手法を用いたSisFallデータセットの比較分析をピソンで行う。
本研究から得られた結果は,KNNが他の機械学習手法よりも精度,精度,リコールの点で優れていることを証明している。
論文 参考訳（メタデータ） (2022-09-11T04:41:40Z) - Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards
Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。
正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。
人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
論文 参考訳（メタデータ） (2022-01-27T22:15:56Z) - Sensitivity analysis in differentially private machine learning using
hybrid automatic differentiation [54.88777449903538]
感性分析のための新しいテクスチブリド自動識別システム(AD)を導入する。
これにより、ニューラルネットワークをプライベートデータ上でトレーニングするなど、任意の微分可能な関数合成の感度をモデル化できる。
当社のアプローチは,データ処理の設定において,プライバシ損失に関する原則的推論を可能にする。
論文 参考訳（メタデータ） (2021-07-09T07:19:23Z) - Beyond accuracy: quantifying trial-by-trial behaviour of CNNs and humans
by measuring error consistency [10.028543085687803]
認知科学と行動神経科学における中心的な問題は、2つ以上の意思決定者(脳かアルゴリズムか)が同じ戦略を使用するかどうかを確認することである。
2つの意思決定システムが同一入力に対してシステム的にエラーを発生させるかどうかを定量化するための定量的解析であるトライアル・バイ・トライアル・エラー整合性を導入する。
論文 参考訳（メタデータ） (2020-06-30T12:47:17Z)
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。