論文の概要: Machine Learning Evaluation of the Echo-Chamber Effect in Medical Forums
- arxiv url: http://arxiv.org/abs/2010.09574v1
- Date: Mon, 19 Oct 2020 14:59:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-05 22:32:53.577953
- Title: Machine Learning Evaluation of the Echo-Chamber Effect in Medical Forums
- Title(参考訳): 医療フォーラムにおけるエコーチャンバー効果の機械学習による評価
- Authors: Marina Sokolova (IBDA@Dalhousie University and University of Ottawa)
Victoria Bobicev (Technical University of Moldova)
- Abstract要約: 私たちは14のモデルを構築し、オンライン医療フォーラムから集められた議論を表現するためにそれらを適用します。
我々は、評価モデルの長所を評価するために、4つのマルチクラス感情分類アプリケーションと2つの機械学習アルゴリズムを使用する。
- 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: We propose the Echo-Chamber Effect assessment of an online forum. Sentiments
perceived by the forum readers are at the core of the analysis; a complete
message is the unit of the study. We build 14 models and apply those to
represent discussions gathered from an online medical forum. We use four
multi-class sentiment classification applications and two Machine Learning
algorithms to evaluate prowess of the assessment models.
- Abstract(参考訳): オンラインフォーラムのエコーチャンバー効果評価を提案する。
フォーラムの読者が感じている感情は分析の核心にある;完全なメッセージは研究の単位である。
私たちは14のモデルを構築し、それらをオンライン医療フォーラムから集めた議論の表現に適用します。
評価モデルの確率を評価するために,4つのマルチクラス感情分類アプリケーションと2つの機械学習アルゴリズムを用いた。
関連論文リスト
- ElicitationGPT: Text Elicitation Mechanisms via Language Models [12.945581341789431]
本稿では,大規模言語モデルに対するドメイン知識のないクエリを用いて,提案したテキストを真理テキストに対してスコアリングする機構について述べる。
ピアグレーディングデータセットからのピアレビューと、ピアレビューのマニュアルインストラクタースコアとの比較により、経験的評価を行う。
論文 参考訳(メタデータ) (2024-06-13T17:49:10Z) - A Literature Review of Literature Reviews in Pattern Analysis and Machine Intelligence [58.6354685593418]
本稿では, レビューを評価するために, 記事レベル, フィールド正規化, 大規模言語モデルを用いた書誌指標を提案する。
新たに登場したAI生成の文献レビューも評価されている。
この研究は、文学レビューの現在の課題についての洞察を与え、彼らの開発に向けた今後の方向性を思い起こさせる。
論文 参考訳(メタデータ) (2024-02-20T11:28:50Z) - Bloom-epistemic and sentiment analysis hierarchical classification in
course discussion forums [0.0]
提案手法はBloom-Epistemic and Sentiment Analysis (BE-Sent) の階層的アプローチである。
本研究は,議論フォーラムのテキストレビューに基づいて意見を評価する授業学習サブシステムの構築に成功した。
論文 参考訳(メタデータ) (2024-01-26T08:20:13Z) - K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via
Prompt Learning [83.19215082550163]
K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。
本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
論文 参考訳(メタデータ) (2023-12-16T08:10:10Z) - Unveiling the Sentinels: Assessing AI Performance in Cybersecurity Peer
Review [4.081120388114928]
サイバーセキュリティの分野では、ダブルブラインドピアレビューの実践がデファクトスタンダードである。
本稿では、ピアレビューの聖杯に触れ、学術的セキュリティカンファレンスのレビューにおけるAIのパフォーマンスについて光を当てることを目的としている。
本研究では,人間レビュアーと機械学習モデルから得られた結果を比較し,評価結果の予測可能性について検討する。
論文 参考訳(メタデータ) (2023-09-11T13:51:40Z) - LDNet: Unified Listener Dependent Modeling in MOS Prediction for
Synthetic Speech [67.88748572167309]
本稿では,平均世論スコア(MOS)予測のための統合フレームワークLDNetを提案する。
より安定した結果と効率的な計算を提供する2つの推論手法を提案する。
論文 参考訳(メタデータ) (2021-10-18T08:52:31Z) - SIFN: A Sentiment-aware Interactive Fusion Network for Review-based Item
Recommendation [48.1799451277808]
本稿では、レビューに基づく項目推薦のための感性認識型インタラクティブフュージョンネットワーク(SIFN)を提案する。
まず、BERTを介してユーザ/イテムレビューをエンコードし、各レビューのセマンティックな特徴を抽出する軽量な感情学習者を提案する。
そこで我々は,感情学習者が明示的な感情ラベルを用いて感情認識特徴を抽出するための感情予測タスクを提案する。
論文 参考訳(メタデータ) (2021-08-18T08:04:38Z) - A Multimodal Machine Learning Framework for Teacher Vocal Delivery
Evaluation [21.07429789279818]
本稿では,ペアワイズ比較とマルチモーダル・ハウジング・アルゴリズムを用いて,教師の声道伝達の客観評価結果を生成する機械学習手法を提案する。
論文 参考訳(メタデータ) (2021-07-15T05:09:39Z) - Hierarchical Bi-Directional Self-Attention Networks for Paper Review
Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。
具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。
我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文 参考訳(メタデータ) (2020-11-02T08:07:50Z) - Speech-Based Emotion Recognition using Neural Networks and Information
Visualization [1.52292571922932]
本研究では,音声成分から音声サンプルを抽出し,様々な感情を識別するツールを提案する。
ダッシュボードは、音声データの直感的な表現のために、局所的なセラピストのニーズに基づいて設計されている。
論文 参考訳(メタデータ) (2020-10-28T20:57:32Z) - A Unified Dual-view Model for Review Summarization and Sentiment
Classification with Inconsistency Loss [51.448615489097236]
ユーザーレビューから正確な要約と感情を取得することは、現代のEコマースプラットフォームにとって不可欠な要素である。
本稿では,これら2つのタスクの性能を協調的に改善する新しいデュアルビューモデルを提案する。
異なる領域の4つの実世界のデータセットに対する実験結果から,本モデルの有効性が示された。
論文 参考訳(メタデータ) (2020-06-02T13:34:11Z)
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。