論文の概要: A Recommender System based on the analysis of personality traits in
Telegram social network
- arxiv url: http://arxiv.org/abs/2010.00643v1
- Date: Thu, 1 Oct 2020 19:01:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-30 11:49:40.251924
- Title: A Recommender System based on the analysis of personality traits in
Telegram social network
- Title(参考訳): テレグラムソーシャルネットワークにおけるパーソナリティ特性の分析に基づく推薦システム
- Authors: Mohammad Javad Shayegan, Mohadese Valizadeh
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Accessing people's personality traits has always been a challenging task. On
the other hand, acquiring personality traits based on behavioral data is one of
the growing interest of human beings. Numerous researches showed that people
spend a large amount of time on social networks and show behaviors that create
some personality patterns in cyberspace. One of these social networks that have
been widely welcomed in some countries, including Iran, is Telegram. The basis
of this research is automatically identifying users' personalities based on
their behavior on Telegram. For this purpose, messages from Telegram group
users are extracted, and then the personality traits of each member according
to the NEO Personality Inventory are identified. For personality analysis, the
study is employed three approaches, including; Cosine Similarity, Bayes, and
MLP algorithms. Finally, this study provides a recommender system that uses the
Cosine similarity algorithm to explore and recommend relevant Telegram channels
to members according to the extracted personalities. The results show a 65.42%
satisfaction rate for the recommender system based on the proposed personality
analysis.
- Abstract(参考訳): 人の性格的特徴にアクセスすることは、常に難しい作業でした。
一方,行動データに基づくパーソナリティ特性の獲得は,人間の興味の高まりの1つである。
多くの研究により、人々はソーシャルネットワークに多くの時間を費やし、サイバー空間におけるパーソナリティパターンを生み出す行動を示した。
イランを含むいくつかの国で広く受け入れられているこれらのソーシャルネットワークの1つはtelegramである。
本研究の基盤は,テレグラム上での行動に基づいて,ユーザの個性を自動的に識別することである。
このため、Telegramグループ利用者からのメッセージが抽出され、NEOパーソナリティ・インベントリに従って各メンバーの性格特性が識別される。
パーソナリティ分析には,コサイン類似性,ベイズアルゴリズム,mlpアルゴリズムの3つのアプローチを用いた。
最後に,コサイン類似度アルゴリズムを用いて,抽出された人格に応じて,関連するテレグラムチャネルを探索し,推薦するレコメンダシステムを提案する。
その結果,提案する性格分析に基づく推薦システムに対する満足度は65.42%であった。
関連論文リスト
- 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) - InCharacter: Evaluating Personality Fidelity in Role-Playing Agents
through Psychological Interviews [58.43874908985246]
本稿では, RPAの性格的忠実度を心理的尺度で評価するための新しい視点を紹介する。
実験には様々な種類の RPA と LLM が含まれ、14の広く使用されている心理学的尺度で32の異なる文字をカバーしている。
InCharacterでは、現在最先端のRPAが人物の人格と高度に一致した個性を示し、80.7%の精度を達成している。
論文 参考訳(メタデータ) (2023-10-27T08:42:18Z) - 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) - 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) - Partner Matters! An Empirical Study on Fusing Personas for Personalized
Response Selection in Retrieval-Based Chatbots [51.091235903442715]
本稿では,自己とパートナーの話者が応答選択の課題に与える影響について検討する。
4つのペルソナ融合戦略が設計されており、異なる方法でペルソナがコンテキストや応答と相互作用することを前提としている。
Persona-Chatデータセットに関する実証研究は、パートナーペルソナが応答選択の精度を向上させることができることを示している。
論文 参考訳(メタデータ) (2021-05-19T10:32:30Z) - 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) - Predicting Relationship Labels and Individual Personality Traits from
Telecommunication History in Social Networks using Hawkes Processes [5.668126716715423]
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。
論文 参考訳(メタデータ) (2020-09-04T07:24:49Z) - 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)
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。