論文の概要: My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks
- arxiv url: http://arxiv.org/abs/2009.10802v1
- Date: Tue, 22 Sep 2020 20:30:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-15 23:27:04.637320
- Title: My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks
- Title（参考訳）: 私のツイートはあらゆる特徴をもたらす:オンラインソーシャルネットワークにおけるパーソナリティとリレーショナル特性の予測
- Authors: Dimitra Karanatsiou, Pavlos Sermpezis, Jon Gruda, Konstantinos
Kafetsios, Ilias Dimitriadis and Athena Vakali
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.095574580512599
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Users in Online Social Networks (OSN) leaves traces that reflect their
personality characteristics. The study of these traces is important for a
number of fields, such as a social science, psychology, OSN, marketing, and
others. Despite a marked increase on research in personality prediction on
based on online behavior the focus has been heavily on individual personality
traits largely neglecting relational facets of personality. This study aims to
address this gap by providing a prediction model for a holistic personality
profiling in OSNs that included socio-relational traits (attachment
orientations) in combination with standard personality traits. Specifically, we
first designed a feature engineering methodology that extracts a wide range of
features (accounting for behavior, language, and emotions) from OSN accounts of
users. Then, we designed a machine learning model that predicts scores for the
psychological traits of the users based on the extracted features. The proposed
model architecture is inspired by characteristics embedded in psychological
theory, i.e, utilizing interrelations among personality facets, and leads to
increased accuracy in comparison with the state of the art approaches. To
demonstrate the usefulness of this approach, we applied our model to two
datasets, one of random OSN users and one of organizational leaders, and
compared their psychological profiles. Our findings demonstrate that the two
groups can be clearly separated by only using their psychological profiles,
which opens a promising direction for future research on OSN user
characterization and classification.
- Abstract（参考訳）: Online Social Networks (OSN) のユーザーは、その性格の特徴を反映した痕跡を残している。
これらの痕跡の研究は、社会科学、心理学、OSN、マーケティングなど、多くの分野において重要である。
オンライン行動に基づくパーソナリティ予測の研究が著しく増加したにもかかわらず、パーソナリティのリレーショナルな面をほとんど無視する個人的パーソナリティ特性に焦点が当てられている。
本研究は, osn におけるパーソナリティプロファイルの予測モデルとして, 社会関係特性 (アタッメント指向) と標準パーソナリティ特性を組み合わせた予測モデルを提供することによって, このギャップを解消することを目的としている。
具体的には、OSNのユーザアカウントから幅広い機能(行動、言語、感情など)を抽出する機能エンジニアリング手法を最初に設計した。
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。
提案したモデルアーキテクチャは, 心理理論に埋め込まれた特徴,すなわち, 人格間の相互関係を利用して, 芸術的アプローチの状況と比較して精度を向上させる。
このアプローチの有用性を示すために,我々は,osnユーザと組織リーダの2つのデータセットにモデルを適用し,その心理的プロファイルを比較した。
本研究は,osnユーザの特徴と分類に関する今後の研究に有望な方向性を開くため,心理的プロファイルのみを用いて,両グループを明確に分離できることを示す。
関連論文リスト
- Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。
LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-10-16T07:47:45Z) - Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - Personality Analysis for Social Media Users using Arabic language and its Effect on Sentiment Analysis [1.2903829793534267]
本研究は、Twitter上でのアラビア語の使用と性格特性と感情分析への影響の相関について検討した。
本研究では、プロフィール活動から抽出した情報と、ツイートの内容に基づいて、ユーザの性格特性を示す。
その結果,人格がソーシャルメディアの感情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） (2024-07-08T18:27:54Z) - When LLM Meets Hypergraph: A Sociological Analysis on Personality via Online Social Networks [7.309233340654514]
本稿では,個人レベルのデータマイニングではなく,環境を考慮した視点で人格を社会学的に分析する枠組みを提案する。
ハイパーグラフノードをユーザとし,ハイパーグラフのハイパーエッジをソーシャル環境とする,効果的なハイパーグラフニューラルネットワークを設計する。
ユーザプロファイルデータ、性格特性、実世界のソーシャルプラットフォームから検出されたいくつかの環境を含む有用なデータセットを提供する。
論文 参考訳（メタデータ） (2024-07-04T01:43:52Z) - 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) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - 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) - Exploring Personality and Online Social Engagement: An Investigation of
MBTI Users on Twitter [0.0]
自称マイアーズ・ブリッグス性格特性(MBTI)を用いたTwitterのプロフィール3848件について検討する。
我々は、ディープラーニングに基づく最先端のNLPアーキテクチャであるBERTを利用して、タスクに最も予測力を持つさまざまなテキストソースを分析します。
MBTIシステムの全次元に対して, 伝記, ステータス, お気に入りツイートが有意な予測力を持っていることがわかった。
論文 参考訳（メタデータ） (2021-09-14T02:26:30Z) - 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 Recommender System based on the analysis of personality traits in
Telegram social network [0.0]
本研究では、Cosineアルゴリズムを用いて、関連するTelegramチャネルを探索するレコメンデータシステムを提案する。
その結果,提案したパーソナリティ分析に基づく推薦者の満足度は65.42%であった。
論文 参考訳（メタデータ） (2020-10-01T19:01:29Z)
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。