論文の概要: NationalMood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data

• arxiv url: http://arxiv.org/abs/2011.00665v2
• Date: Tue, 3 Nov 2020 02:37:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-26 01:58:13.211065
• Title: NationalMood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data
• Title（参考訳）: NationalMood: Web 検索クエリとモバイルセンサデータから人のムードを大規模に推定する
• Authors: Tadashi Okoshi, Wataru Sasaki, Hiroshi Kawane, Kota Tsubouchi
• Abstract要約: 本稿では,ユーザのWeb検索クエリとモバイルセンサデータを組み合わせて,そのような推定手法を提案する。 我々の「全国ムードスコア」は、新型コロナウイルスのパンデミックにおける人々の気分の上昇と低下を示し、患者数と逆に相関し、また毎週のムードリズムも示しています。
• 参考スコア（独自算出の注目度）: 14.300584025894711
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to estimate current affective statuses of web users has considerable potential towards the realization of user-centric opportune services. However, determining the type of data to be used for such estimation as well as collecting the ground truth of such affective statuses are difficult in the real world situation. We propose a novel way of such estimation based on a combinational use of user's web search queries and mobile sensor data. Our large-scale data analysis with about 11,000,000 users and 100 recent advertisement log revealed (1) the existence of certain class of advertisement to which mood-status-based delivery would be significantly effective, (2) that our "National Mood Score" shows the ups and downs of people's moods in COVID-19 pandemic that inversely correlated to the number of patients, as well as the weekly mood rhythm of people.
• Abstract（参考訳）: ウェブユーザーの現在の情緒的ステータスを推定する能力は、ユーザー中心のオポチュンサービスの実現に向けて大きな可能性がある。 しかし、現実の状況では、そのような推定に使用するデータの種類や、そのような情緒的状態の根底にある真実の収集は困難である。 本稿では,ユーザのWeb検索クエリとモバイルセンサデータを組み合わせて,そのような推定手法を提案する。 約11,000,000人の利用者と100人の最近の広告ログによる大規模データ分析の結果,(1)気分統計に基づく配信が極めて効果的である特定の種類の広告の存在,(2)「全国ムードスコア」では,患者数に逆相関する「国民ムードスコア」が出現し,また,週の気分リズムも表れていることがわかった。

関連論文リスト

• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization [4.245223529153532]
  携帯電話のセンサデータは、食行動と気分の両方を、モバイル食日記とモバイル健康アプリケーションという文脈で独立して特徴付けるために使われてきた。 以上の結果から, 一般的な気分推定モデルでは, 摂食など特定の文脈での性能が低下することが示唆された。 これらの制約に対処するために,類似ユーザから対象ユーザへのデータを用いたモデルを構築することにより,新たなコミュニティベースのパーソナライズ手法を採用した。
  論文  参考訳（メタデータ） (2023-06-01T14:24:10Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• Nation-wide Mood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data [13.09064022981857]
  本稿では,ユーザWeb検索クエリとモバイルセンサデータを組み合わせた新しい推定手法を提案する。 全国規模のムードスコア」を全国のユーザーのムード値にまとめ,毎日の気分のリズムと週毎のリズムを示す。
  論文  参考訳（メタデータ） (2021-11-10T05:43:56Z)
• 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)
• Multimodal Privacy-preserving Mood Prediction from Mobile Data: A Preliminary Study [34.550824104906255]
  精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。 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、毎日のスマートフォンの利用だ。 リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
  論文  参考訳（メタデータ） (2020-12-04T01:44:22Z)
• A Novel Sentiment Analysis Engine for Preliminary Depression Status Estimation on Social Media [0.0]
  我々は,Twitter ソーシャルメディア上での抑うつ検出を主目的とする,ディープラーニングベースのバックエンドを備えた,クラウドベースのスマートフォンアプリケーションを提案する。 心理学者は、患者がカウンセリングの前にうつ状態を評価するためにこのアプリケーションを利用することができる。 試験精度は87.23%、AUCは0.8621である。
  論文  参考訳（メタデータ） (2020-11-29T04:42:53Z)
• Leveraging Administrative Data for Bias Audits: Assessing Disparate Coverage with Mobility Data for COVID-19 Policy [61.60099467888073]
  管理データのリンクによって,バイアスに対するモビリティデータの監査が可能かを示す。 我々は、高齢者や非白人の有権者が移動データによって捕えられる可能性が低いことを示した。 このような移動データに基づく公衆衛生資源の配分は、高リスク高齢者や少数民族に不当に害を与える可能性があることを示す。
  論文  参考訳（メタデータ） (2020-11-14T02:04:14Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)

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。