論文の概要: Beyond Social Media Analytics: Understanding Human Behaviour and Deep
Emotion using Self Structuring Incremental Machine Learning
- arxiv url: http://arxiv.org/abs/2009.09078v1
- Date: Sat, 5 Sep 2020 14:53:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-21 20:52:32.219968
- Title: Beyond Social Media Analytics: Understanding Human Behaviour and Deep
Emotion using Self Structuring Incremental Machine Learning
- Title（参考訳）: ソーシャルメディアアナリティクスを超えて: 漸進的機械学習による人間の行動と深い感情の理解
- Authors: Tharindu Bandaragoda
- Abstract要約: この論文は、人間の社会的行動、ニーズ、認知の階層の表層を表わすものとして、社会的データを考慮した概念的枠組みを発展させている。
速いペースと遅いペースのソーシャルデータから洞察を得るために、2つのプラットフォームが構築された。
- 参考スコア（独自算出の注目度）: 1.2487990897680423
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This thesis develops a conceptual framework considering social data as
representing the surface layer of a hierarchy of human social behaviours, needs
and cognition which is employed to transform social data into representations
that preserve social behaviours and their causalities. Based on this framework
two platforms were built to capture insights from fast-paced and slow-paced
social data. For fast-paced, a self-structuring and incremental learning
technique was developed to automatically capture salient topics and
corresponding dynamics over time. An event detection technique was developed to
automatically monitor those identified topic pathways for significant
fluctuations in social behaviours using multiple indicators such as volume and
sentiment. This platform is demonstrated using two large datasets with over 1
million tweets. The separated topic pathways were representative of the key
topics of each entity and coherent against topic coherence measures. Identified
events were validated against contemporary events reported in news. Secondly
for the slow-paced social data, a suite of new machine learning and natural
language processing techniques were developed to automatically capture
self-disclosed information of the individuals such as demographics, emotions
and timeline of personal events. This platform was trialled on a large text
corpus of over 4 million posts collected from online support groups. This was
further extended to transform prostate cancer related online support group
discussions into a multidimensional representation and investigated the
self-disclosed quality of life of patients (and partners) against time,
demographics and clinical factors. The capabilities of this extended platform
have been demonstrated using a text corpus collected from 10 prostate cancer
online support groups comprising of 609,960 prostate cancer discussions and
22,233 patients.
- Abstract（参考訳）: この論文は、社会的データを人間の社会的行動、ニーズ、認知の階層の表層を表すものとして、社会的行動とそれらの因果性を保存する表現に変換する概念的枠組みを開発する。
このフレームワークに基づいて、2つのプラットフォームが、速いペースと遅いペースのソーシャルデータから洞察を得るために構築された。
高速なペースでは、自己構造化とインクリメンタルな学習技術が開発され、時間とともに適切なトピックと対応するダイナミクスを自動的にキャプチャする。
音量や感情などの複数の指標を用いて,社会的行動の著しい変動に対して,特定された話題経路を自動的に監視するイベント検出手法を開発した。
このプラットフォームは、100万以上のツイートを持つ2つの大きなデータセットを使ってデモされている。
分離されたトピックパスは,各エンティティの主要なトピックを代表し,トピックコヒーレンス対策に対する一貫性を示した。
確認された出来事は、ニュースで報告された現代の出来事に対して検証された。
第二に、遅いペースのソーシャルデータに対して、人口統計、感情、個人イベントのタイムラインなどの個人の自己開示情報を自動的に捉えるための、新しい機械学習と自然言語処理テクニックが開発された。
このプラットフォームは、オンラインサポートグループから400万件以上の投稿を集めた大規模なテキストコーパスで試行された。
これはさらに、前立腺がんに関連するオンラインサポートグループの議論を多次元表現に変換し、時間、人口、臨床要因に対して患者(およびパートナー)の自己開示された生活の質を調査した。
この拡張プラットフォームの能力は、609,960人の前立腺がん議論と22,233人の患者からなる10の前立腺癌オンライン支援グループから収集されたテキストコーパスを用いて実証されている。
関連論文リスト
- Social Support Detection from Social Media Texts [44.096359084699]
ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。
本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。
我々は1万のYouTubeコメントからなるデータセットで実験を行った。
論文 参考訳（メタデータ） (2024-11-04T20:23:03Z) - Cross-Platform Social Dynamics: An Analysis of ChatGPT and COVID-19
Vaccine Conversations [37.69303106863453]
2022年のChatGPTのリリースと2021年の新型コロナウイルスワクチンに関する世界的な議論という、2つの重要な出来事に関する1200万件以上の投稿とニュース記事を分析した。
データはTwitter、Facebook、Instagram、Reddit、YouTube、GDELTなど、複数のプラットフォームから収集された。
トピックモデリング手法を用いて,各プラットフォーム上の異なる主題のエミュレーションを明らかにし,その特徴と対象のオーディエンスを反映した。
論文 参考訳（メタデータ） (2023-10-17T09:58:55Z) - CharacterChat: Learning towards Conversational AI with Personalized
Social Support [61.20396854093821]
本稿ではS2Conv(Social Support Conversation)フレームワークを紹介する。
一連のサポートエージェントと、ペルソナ互換の仮想サポーターと個人をリンクする対人マッチングメカニズムから構成される。
我々は、ペルソナと記憶によって駆動される会話モデルを含む総合的なS2Convシステムである characterChat を提案する。
論文 参考訳（メタデータ） (2023-08-20T14:24:26Z) - Bodily Behaviors in Social Interaction: Novel Annotations and
State-of-the-Art Evaluation [0.0]
本稿では,社会相互作用に埋め込まれた複雑な身体行動の最初のアノテーションであるBBSIについて述べる。
心理学における過去の研究に基づいて,26時間の自発的な行動について手動で注釈を付けた。
我々は、人間の行動検出のための最先端のアプローチであるピラミッド拡張注意ネットワーク(PDAN)を適応する。
論文 参考訳（メタデータ） (2022-07-26T11:24:00Z) - 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) - Validating daily social media macroscopes of emotions [0.12656629989060433]
われわれはオンライン新聞で大規模な調査を行い、ユーザーから毎日の情緒的状態の自己報告を収集した。
同じオンラインプラットフォーム上でのユーザディスカッションの感情分析の結果と比較した。
両プラットフォームにおいて,テキスト分析結果と自己報告感情のレベルとの間には強い相関関係が認められた。
論文 参考訳（メタデータ） (2021-08-17T14:28:56Z) - Social media emotion macroscopes reflect emotional experiences in
society at large [0.12656629989060433]
ソーシャルメディアは、大規模かつ長期間にわたって人間の行動に関するデータを生成する。
近年の研究では、ソーシャルメディアの感情と個人レベルでの質問票の相関が弱いことが示されている。
社会全体のレベルでの感情の時間的進化を追跡するために、ソーシャルメディアの感情マクロスコープの有効性を検証した研究はない。
論文 参考訳（メタデータ） (2021-07-28T09:40:42Z) - 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) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z)
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。