論文の概要: Automatic Personality Prediction; an Enhanced Method Using Ensemble Modeling

• arxiv url: http://arxiv.org/abs/2007.04571v3
• Date: Wed, 8 Jun 2022 09:11:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-12 03:04:55.518650
• Title: Automatic Personality Prediction; an Enhanced Method Using Ensemble Modeling
• Title（参考訳）: 自動パーソナリティ予測 : アンサンブルモデリングを用いた拡張手法
• Authors: Majid Ramezani, Mohammad-Reza Feizi-Derakhshi, Mohammad-Ali Balafar, Meysam Asgari-Chenaghlu, Ali-Reza Feizi-Derakhshi, Narjes Nikzad-Khasmakhi, Mehrdad Ranjbar-Khadivi, Zoleikha Jahanbakhsh-Nagadeh, Elnaz Zafarani-Moattar, Taymaz Rahkar-Farshi
• Abstract要約: 本研究の主な目的は,テキストから自動パーソナリティ予測の精度を高めることである。 我々は,用語頻度ベクトルベース,オントロジーベース,リッチセマンティック分析(LSA)ベース,深層学習ベース(BiLSTM)メソッドの5つの新しいAPP手法を提案する。 その結果,アンサンブルモデリングによりAPPの精度が向上することがわかった。
• 参考スコア（独自算出の注目度）: 9.175926602405543
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Human personality is significantly represented by those words which he/she uses in his/her speech or writing. As a consequence of spreading the information infrastructures (specifically the Internet and social media), human communications have reformed notably from face to face communication. Generally, Automatic Personality Prediction (or Perception) (APP) is the automated forecasting of the personality on different types of human generated/exchanged contents (like text, speech, image, video, etc.). The major objective of this study is to enhance the accuracy of APP from the text. To this end, we suggest five new APP methods including term frequency vector-based, ontology-based, enriched ontology-based, latent semantic analysis (LSA)-based, and deep learning-based (BiLSTM) methods. These methods as the base ones, contribute to each other to enhance the APP accuracy through ensemble modeling (stacking) based on a hierarchical attention network (HAN) as the meta-model. The results show that ensemble modeling enhances the accuracy of APP.
• Abstract（参考訳）: 人格は、自分のスピーチや文章で使用する言葉によって顕著に表される。 情報基盤(特にインターネットとソーシャルメディア)を広める結果として、人間のコミュニケーションは顔から顔へ顕著に変化してきた。 一般的に、自動パーソナリティ予測(英: Automatic Personality Prediction, APP)とは、テキスト、音声、画像、ビデオなど、異なるタイプの人間生成/交換コンテンツに対するパーソナリティの自動予測である。 本研究の主な目的は, APPの精度をテキストから向上することである。 そこで本研究では,周波数ベクトルベース,オントロジーベース,リッチオントロジーベース,潜在意味分析(LSA)ベース,深層学習ベース(BiLSTM)メソッドの5つの新しいAPP手法を提案する。 これらの手法は,階層型アテンションネットワーク(HAN)をメタモデルとしたアンサンブルモデリング(スタックング)により,APPの精度を高めるために相互に寄与する。 その結果,アンサンブルモデリングによりAPPの精度が向上することがわかった。

関連論文リスト

• PersLLM: A Personified Training Approach for Large Language Models [63.75008885222351]
  社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。 モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
  論文  参考訳（メタデータ） (2024-07-17T08:13:22Z)
• Social Media Use is Predictable from App Sequences: Using LSTM and Transformer Neural Networks to Model Habitual Behavior [0.11086185608421924]
  本稿では,スマートフォン利用者の逐次行動の予測モデルを用いて,ソーシャルメディアの習慣を研究する新しいアプローチを提案する。 i) ソーシャルメディアの利用は内外レベルで予測可能であり, (ii) ソーシャルメディア利用の予測可能性に強い個人差があることが示される。
  論文  参考訳（メタデータ） (2024-04-20T16:36:28Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Integrating Self-supervised Speech Model with Pseudo Word-level Targets from Visually-grounded Speech Model [57.78191634042409]
  擬似単語レベルのターゲットを学習プロセスに統合するフレームワークであるPseudo-Word HuBERT(PW-HuBERT)を提案する。 4つの音声言語理解(SLU)ベンチマークによる実験結果から,意味情報の収集におけるモデルの有用性が示唆された。
  論文  参考訳（メタデータ） (2024-02-08T16:55:21Z)
• Pushing on Personality Detection from Verbal Behavior: A Transformer Meets Text Contours of Psycholinguistic Features [27.799032561722893]
  テキストデータから人格特性を予測する上で,2つの大きな改善点を報告する。 精神言語学的特徴のテキスト内分布を学習した,事前学習型トランスフォーマー言語モデルBERTと双方向長短期記憶ネットワークを統合した。 2つのベンチマークデータセット上に構築したモデルの性能を評価する。
  論文  参考訳（メタデータ） (2022-04-10T08:08:46Z)
• Knowledge Graph-Enabled Text-Based Automatic Personality Prediction [8.357801312689622]
  テキストベースの自動パーソナリティ予測(APP)は、生成/交換されたテキストコンテンツに基づいて個人個人のパーソナリティを自動予測する。 本稿では,ビッグファイブの人格特性に依存するテキストベースのAPPに対して,知識グラフを利用した新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-17T06:01:45Z)
• LDNet: Unified Listener Dependent Modeling in MOS Prediction for Synthetic Speech [67.88748572167309]
  本稿では,平均世論スコア(MOS)予測のための統合フレームワークLDNetを提案する。 より安定した結果と効率的な計算を提供する2つの推論手法を提案する。
  論文  参考訳（メタデータ） (2021-10-18T08:52:31Z)
• The state-of-the-art in text-based automatic personality prediction [1.3209941988151326]
  パーソナリティ検出は心理学における古い話題であり、自動パーソナリティ予測(または知覚) (APP) である。 APPは、テキスト、スピーチ、画像、ビデオなど、さまざまなタイプの人間が生成/交換したコンテンツに対して、人格を自動(計算的に)予測する。
  論文  参考訳（メタデータ） (2021-10-04T04:51:11Z)
• TRiPOD: Human Trajectory and Pose Dynamics Forecasting in the Wild [77.59069361196404]
  TRiPODは、グラフの注目ネットワークに基づいて身体のダイナミクスを予測する新しい方法です。 実世界の課題を取り入れるために,各フレームで推定された身体関節が可視・視認可能かどうかを示す指標を学習する。 評価の結果,TRiPODは,各軌道に特化して設計され,予測タスクに特化している。
  論文  参考訳（メタデータ） (2021-04-08T20:01:00Z)
• Personality Trait Detection Using Bagged SVM over BERT Word Embedding Ensembles [10.425280599592865]
  本稿では,テキストからの人格自動検出のための新しい深層学習手法を提案する。 我々は、自然言語理解における最先端技術、すなわちBERT言語モデルを活用して、文脈化された単語埋め込みを抽出する。 我々のモデルは、従来の最先端技術よりも1.04%優れており、同時に、トレーニングの計算効率も大幅に向上している。
  論文  参考訳（メタデータ） (2020-10-03T09:25:51Z)
• Grounded Compositional Outputs for Adaptive Language Modeling [59.02706635250856]
  言語モデルの語彙$-$典型的にはトレーニング前に選択され、後で永久に固定される$-$は、そのサイズに影響します。 言語モデルのための完全合成出力埋め込み層を提案する。 我々の知る限り、この結果はトレーニング語彙に依存しないサイズを持つ最初の単語レベル言語モデルである。
  論文  参考訳（メタデータ） (2020-09-24T07:21:14Z)

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。