論文の概要: Personality Trait Detection Using Bagged SVM over BERT Word Embedding Ensembles

• arxiv url: http://arxiv.org/abs/2010.01309v1
• Date: Sat, 3 Oct 2020 09:25:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-11 08:36:45.846364
• Title: Personality Trait Detection Using Bagged SVM over BERT Word Embedding Ensembles
• Title（参考訳）: BERT単語埋め込みアンサンブル上のタグ付きSVMを用いたパーソナリティトラフィック検出
• Authors: Amirmohammad Kazameini, Samin Fatehi, Yash Mehta, Sauleh Eetemadi, Erik Cambria
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.425280599592865
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the automatic prediction of personality traits has received increasing attention and has emerged as a hot topic within the field of affective computing. In this work, we present a novel deep learning-based approach for automated personality detection from text. We leverage state of the art advances in natural language understanding, namely the BERT language model to extract contextualized word embeddings from textual data for automated author personality detection. Our primary goal is to develop a computationally efficient, high-performance personality prediction model which can be easily used by a large number of people without access to huge computation resources. Our extensive experiments with this ideology in mind, led us to develop a novel model which feeds contextualized embeddings along with psycholinguistic features toa Bagged-SVM classifier for personality trait prediction. Our model outperforms the previous state of the art by 1.04% and, at the same time is significantly more computationally efficient to train. We report our results on the famous gold standard Essays dataset for personality detection.
• Abstract（参考訳）: 近年,パーソナリティ特性の自動予測が注目され,感情コンピューティングの分野ではホットな話題となっている。 本稿では,テキストからのパーソナリティ自動検出のための深層学習に基づく新しいアプローチを提案する。 自然言語理解における最先端の技術、すなわちbert言語モデルを活用して、テキストデータから文脈化された単語埋め込みを抽出し、著者のパーソナリティの自動検出を行う。 本研究の目的は,膨大な計算資源を利用せずに,多人数で容易に利用できる計算効率が高く高性能な人格予測モデルを開発することである。 このイデオロギーを念頭に置いて広範な実験を行った結果,パーソナリティ特性予測のための心言語学的特徴に加えて,文脈的埋め込みを付与する新たなモデルが開発されました。 私たちのモデルは以前の技術よりも1.04%優れており、同時にトレーニングの計算効率もかなり高いのです。 我々は、パーソナリティ検出のための有名なゴールドスタンダードエッセイデータセットについて結果を報告する。

関連論文リスト

• Reverse-Engineering the Reader [43.26660964074272]
  本稿では,線形回帰器のパラメータを暗黙的に最適化するために,言語モデルを微調整する新しいアライメント手法を提案する。 単語をテストケースとして使用し、複数のモデルサイズとデータセットにわたる手法を評価する。 ダウンストリームNLPタスクにおける心理測定パワーとモデルの性能の逆関係と、ホールドアウトテストデータにおけるその難易度を見出した。
  論文  参考訳（メタデータ） (2024-10-16T23:05:01Z)
• 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)
• 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)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Estimating the Personality of White-Box Language Models [0.589889361990138]
  大規模なテキストコーパスで訓練された大規模言語モデルは、至る所で広範囲のアプリケーションで使用されている。 既存の研究は、これらのモデルが人間の偏見を捉え、捉えていることを示している。 これらのバイアス、特に害を引き起こす可能性のあるバイアスの多くは、十分に調査されている。 しかし、これらのモデルによって受け継がれた人間の性格特性を推測し、変化させる研究は、ほとんど、あるいは存在しない。
  論文  参考訳（メタデータ） (2022-04-25T23:53:53Z)
• 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)
• 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)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• Unsupervised Paraphrasing with Pretrained Language Models [85.03373221588707]
  教師なし環境で,事前学習した言語モデルを用いて高品質なパラフレーズを生成する訓練パイプラインを提案する。 提案手法は,タスク適応,自己スーパービジョン,動的ブロッキング(Dynamic Blocking)という新しい復号アルゴリズムから構成される。 提案手法は,Quora Question PairとParaNMTの両方のデータセット上で,最先端の性能を達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T11:55:28Z)

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。