論文の概要: Quantifying Intimacy in Language

• arxiv url: http://arxiv.org/abs/2011.03020v1
• Date: Thu, 5 Nov 2020 18:27:20 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 12:43:47.606891
• Title: Quantifying Intimacy in Language
• Title（参考訳）: 言語の親密さを定量化する
• Authors: Jiaxin Pei and David Jurgens
• Abstract要約: 親密性は、社会的設定における他者との関わりの基本的な側面である。 言語における親密性の表現を研究するための新しい計算フレームワークを提案する。 個人が言語における対人的実践的行動を用いて、親密さと社会的設定を一致させることが示される。
• 参考スコア（独自算出の注目度）: 14.030859691804412
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Intimacy is a fundamental aspect of how we relate to others in social settings. Language encodes the social information of intimacy through both topics and other more subtle cues (such as linguistic hedging and swearing). Here, we introduce a new computational framework for studying expressions of the intimacy in language with an accompanying dataset and deep learning model for accurately predicting the intimacy level of questions (Pearson's r=0.87). Through analyzing a dataset of 80.5M questions across social media, books, and films, we show that individuals employ interpersonal pragmatic moves in their language to align their intimacy with social settings. Then, in three studies, we further demonstrate how individuals modulate their intimacy to match social norms around gender, social distance, and audience, each validating key findings from studies in social psychology. Our work demonstrates that intimacy is a pervasive and impactful social dimension of language.
• Abstract（参考訳）: 親密性は、社会的設定における他者との関わりの基本的な側面である。 言語は、トピックスと他のより微妙な手がかり(言語的なヘッジや誓いなど)を通じて親密さの社会的情報を符号化する。 本稿では,質問の親密性レベルを正確に予測するためのデータセットとディープラーニングモデルを用いて,言語における親密性の表現を研究するための新しい計算フレームワークを提案する(Pearson's r=0.87)。 ソーシャルメディア、書籍、映画にまたがる80.5万の質問のデータセットを分析することで、個人が言語における対人的実践的行動を用いて、親密さと社会的設定を一致させることを示す。 次に,3つの研究において,個人が性,社会的距離,オーディエンスに関する社会的規範に適合するように親密性を調節し,それぞれが社会心理学における重要な知見を検証していることを示す。 私たちの研究は、親密性が広く、影響力のある言語の社会的側面であることを示しています。

関連論文リスト

• Social Support Detection from Social Media Texts [44.096359084699]
  ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。 本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。
  論文  参考訳（メタデータ） (2024-11-04T20:23:03Z)
• 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)
• From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
  我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。 画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。 印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
  論文  参考訳（メタデータ） (2024-06-12T16:02:28Z)
• Text Intimacy Analysis using Ensembles of Multilingual Transformers [0.0]
  本稿では,SemEval共有タスク9について,テキストの親密度を推定する作業について述べる。 データセットは10言語のツイートで構成されており、トレーニングデータセットで利用できるのは6つのみである。 言語固有の単言語モデルとともに多言語モデルのアンサンブルが最高の性能を持つことを示す。
  論文  参考訳（メタデータ） (2023-12-05T09:04:22Z)
• Your spouse needs professional help: Determining the Contextual Appropriateness of Messages through Modeling Social Relationships [7.415975372963896]
  個人間の社会的関係を明示的にモデル化することで、不適切なコミュニケーションを識別する新しいアプローチを導入する。 大規模言語モデルでは、関係情報を組み込んで、与えられた文脈における適切性を正確に識別できることが示される。 また、文脈的適切性判断は、抑揚や丁寧さなどの言語で表される他の社会的要因の予測であることを示す。
  論文  参考訳（メタデータ） (2023-07-06T04:06:05Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
  ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。 我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
  論文  参考訳（メタデータ） (2021-10-13T05:30:50Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• 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)
• On Predicting Personal Values of Social Media Users using Community-Specific Language Features and Personal Value Correlation [14.12186042953335]
  この研究は、シンガポールのユーザーの個人的価値を分析し、Facebookデータを用いて個人的価値を予測する効果的なモデルを開発することに焦点を当てている。 提案したスタックモデルには,基本モデルのタスク固有層とクロススティッチ層モデルからなる相関関係が組み込まれている。
  論文  参考訳（メタデータ） (2020-07-16T04:36:13Z)
• Experience Grounds Language [185.73483760454454]
  言語理解研究は、言語が記述する物理的世界と、それが促進する社会的相互作用とを関連づけることに失敗している。 テキストだけで訓練された後にタスクに取り組むための言語処理モデルの驚くべき効果にもかかわらず、成功した言語コミュニケーションは世界の共有経験に依存している。
  論文  参考訳（メタデータ） (2020-04-21T16:56:27Z)

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。