論文の概要: Predicting Relationship Labels and Individual Personality Traits from
Telecommunication History in Social Networks using Hawkes Processes
- arxiv url: http://arxiv.org/abs/2009.02032v3
- Date: Wed, 25 Jan 2023 12:59:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 20:52:51.990191
- Title: Predicting Relationship Labels and Individual Personality Traits from
Telecommunication History in Social Networks using Hawkes Processes
- Title(参考訳): ホークス過程を用いたソーシャルネットワークにおけるテレコミュニケーション履歴から関係ラベルと個性特性の予測
- Authors: Mateusz Nurek, Rados{\l}aw Michalski, Omar Lizardo, Marian-Andrei
Rizoiu
- Abstract要約: 携帯電話には豊富な個人情報が含まれているので、安全を保とうとしています。
我々は、匿名のコミュニケーショントレースから、個人の心理的プロファイルとその仲間との関係を予測できるという大規模な証拠を提供する。
- 参考スコア(独自算出の注目度): 5.668126716715423
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mobile phones contain a wealth of private information, so we try to keep them
secure. We provide large-scale evidence that the psychological profiles of
individuals and their relations with their peers can be predicted from
seemingly anonymous communication traces -- calling and texting logs that
service providers routinely collect. Based on two extensive longitudinal
studies containing more than 900 college students, we use point process
modeling to describe communication patterns. We automatically predict the peer
relationship type and temporal dynamics, and assess user personality based on
the modeling. For some personality traits, the results are comparable to the
gold-standard performances obtained from survey self-report data. Findings
illustrate how information usually residing outside the control of individuals
can be used to reconstruct sensitive information.
- Abstract(参考訳): 携帯電話には個人情報が豊富にあるので、安全を保とうとしています。
サービス提供者が定期的に収集する通話ログやテキストメッセージログなど、一見匿名のコミュニケーショントレースから個人の心理的プロファイルと仲間との関係を予測できるという、大規模な証拠を提供する。
900人以上の大学生を含む2つの広範囲な縦断研究に基づいて,通信パターンを記述するために点過程モデリングを用いた。
ピア関係タイプと時間ダイナミクスを自動的に予測し,モデルに基づいてユーザパーソナリティを評価する。
パーソナリティ特性によっては、調査自己報告データから得られた金本位パフォーマンスに匹敵する結果が得られる。
その結果、個人の制御外に存在する情報がどのようにセンシティブな情報を再構築できるかが明らかになった。
関連論文リスト
- Personality Trait Inference Via Mobile Phone Sensors: A Machine Learning
Approach [0.0]
本研究では,携帯電話センサを用いて収集した活動データから人格を確実に予測できることを示す。
2種類の問題に対して,ユーザの性格を最大0.78F1まで予測することができた。
スマートフォンのセンサと機械学習技術の組み合わせが、パーソナリティ研究の進展にどう役立つかを示す。
論文 参考訳(メタデータ) (2024-01-18T13:18:51Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳(メタデータ) (2023-10-31T08:23:33Z) - Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A
Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。
この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。
もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文 参考訳(メタデータ) (2022-07-20T13:37:57Z) - Analyzing Wikipedia Membership Dataset and PredictingUnconnected Nodes
in the Signed Networks [0.666659730119789]
本研究では、Precison-Recall曲線とROCの下の領域を用いて、ソーシャルネットワーク内の2人の非接続者間の関係を予測する方法について検討する。
ソーシャル・ネットワークを署名グラフとしてモデル化し、トライadicモデル、Latent Informationモデル、Sentimentモデルを比較し、ピア・ピア間の相互作用を予測する。
論文 参考訳(メタデータ) (2021-10-18T09:03:18Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文 参考訳(メタデータ) (2021-06-20T10:48:49Z) - A Machine Learning Approach to Predicting Continuous Tie Strengths [0.4014524824655105]
人々の関係は常に進化し、対人行動を変え、社会集団を定義する。
ソーシャルネットワーク内のノード間の関係は、しばしば調査によって実証的に評価される結合力によって表される。
時間とともに進化する関係の連続的な近似を可能にするシステムを提案する。
論文 参考訳(メタデータ) (2021-01-23T05:01:05Z) - My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks [4.095574580512599]
本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。
我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。
そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
論文 参考訳(メタデータ) (2020-09-22T20:30:56Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳(メタデータ) (2020-08-31T17:44:28Z) - On Predicting Personal Values of Social Media Users using
Community-Specific Language Features and Personal Value Correlation [14.12186042953335]
この研究は、シンガポールのユーザーの個人的価値を分析し、Facebookデータを用いて個人的価値を予測する効果的なモデルを開発することに焦点を当てている。
提案したスタックモデルには,基本モデルのタスク固有層とクロススティッチ層モデルからなる相関関係が組み込まれている。
論文 参考訳(メタデータ) (2020-07-16T04:36:13Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンスに影響を及ぼすことが明らかとなった。
論文 参考訳(メタデータ) (2020-02-05T11:10:44Z)
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。