論文の概要: Does Yoga Make You Happy? Analyzing Twitter User Happiness using Textual and Temporal Information

• arxiv url: http://arxiv.org/abs/2012.02939v1
• Date: Sat, 5 Dec 2020 03:30:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-22 12:14:52.749578
• Title: Does Yoga Make You Happy? Analyzing Twitter User Happiness using Textual and Temporal Information
• Title（参考訳）: ヨガで幸せになれる? テキスト情報と時間情報を用いたtwitterユーザの幸福度の分析
• Authors: Tunazzina Islam, Dan Goldwasser
• Abstract要約: ヨガの練習と幸福感の因果関係について,テキスト情報と時間情報を組み合わせて検討した。 Twitterのデータセットで行った実験では、1447人のユーザーが「ヨガ・グランガーが幸福になる」という結果が出ました。
• 参考スコア（独自算出の注目度）: 29.89122455417348
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although yoga is a multi-component practice to hone the body and mind and be known to reduce anxiety and depression, there is still a gap in understanding people's emotional state related to yoga in social media. In this study, we investigate the causal relationship between practicing yoga and being happy by incorporating textual and temporal information of users using Granger causality. To find out causal features from the text, we measure two variables (i) Yoga activity level based on content analysis and (ii) Happiness level based on emotional state. To understand users' yoga activity, we propose a joint embedding model based on the fusion of neural networks with attention mechanism by leveraging users' social and textual information. For measuring the emotional state of yoga users (target domain), we suggest a transfer learning approach to transfer knowledge from an attention-based neural network model trained on a source domain. Our experiment on Twitter dataset demonstrates that there are 1447 users where "yoga Granger-causes happiness".
• Abstract（参考訳）: ヨガは、身体と心を磨き、不安と抑うつを減らすために知られている多成分のプラクティスであるが、ソーシャルメディアでは、ヨガに関連する人々の感情状態を理解するためのギャップがある。 本研究では, ヨーガの実践と幸福感の因果関係を, グランガー因果関係を用いた利用者のテキスト情報と時間情報を用いて検討した。 テキストから因果的特徴を明らかにするために,コンテンツ分析に基づく2つの変数(i)ヨーガ活動レベルと,感情状態に基づく幸福度(ii)を測定した。 ユーザのヨガ活動を理解するために,ユーザの社会的・テキスト情報を活用することで,ニューラルネットワークと注意機構の融合に基づく共同埋め込みモデルを提案する。 ヨガ利用者(対象領域)の感情状態を測定するために、ソースドメインでトレーニングされた注意に基づくニューラルネットワークモデルから知識を伝達するトランスファー学習手法を提案する。 twitterのデータセットに関する実験では,“yoga granger- causes happiness”が1447ユーザであることを実証しています。

関連論文リスト

• LonXplain: Lonesomeness as a Consequence of Mental Disturbance in Reddit Posts [0.41998444721319217]
  ソーシャルメディアは、自然言語処理(NLP)を通して潜在精神状態を推測する潜在的な情報源である 心理学理論に関する既存の文献は、孤独が対人的リスク要因の主な結果であることを示している。 ソーシャルメディア投稿における一意性検出を、説明可能な二項分類問題として定式化する。
  論文  参考訳（メタデータ） (2023-05-30T04:21:24Z)
• Probing Brain Context-Sensitivity with Masked-Attention Generation [87.31930367845125]
  我々は、GPT-2変換器を用いて、一定量の文脈情報をキャプチャする単語埋め込みを生成する。 そして、自然主義的なテキストを聴く人間のfMRI脳活動を予測することができるかどうかを検証した。
  論文  参考訳（メタデータ） (2023-05-23T09:36:21Z)
• Self-supervised Hypergraph Representation Learning for Sociological Analysis [52.514283292498405]
  本稿では,データマイニング技術と社会学的行動基準のさらなる融合を支援するための基本的な方法論を提案する。 まず,効率的なハイパーグラフ認識と高速グラフ構築フレームワークを提案する。 第2に,ユーザからユーザへのソーシャルインフルエンスを学習するためのハイパーグラフベースニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T01:20:29Z)
• How Would The Viewer Feel? Estimating Wellbeing From Video Scenarios [73.24092762346095]
  情緒応答と主観的幸福感に注釈を付けた6万本以上のビデオを備えた大規模データセットを2つ導入した。 Video Cognitive Empathyデータセットには、微粒な感情応答の分布のためのアノテーションが含まれており、モデルが感情状態の詳細な理解を得ることができる。 Video to Valenceデータセットには、ビデオ間の相対的な快適性のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2022-10-18T17:58:25Z)
• Real-time Recognition of Yoga Poses using computer Vision for Smart Health Care [13.709260905038624]
  また、この作品には、ヨガの手札の識別も紹介されている。 YOGIデータセットは、ポーズごとに約400～900枚の画像を持つ10個のヨガ姿勢を含む。 RandomSearch CVのXGBoostは最も正確で、99.2%の精度がある。
  論文  参考訳（メタデータ） (2022-01-19T13:41:58Z)
• Twitter User Representation using Weakly Supervised Graph Embedding [29.89122455417348]
  ユーザタイプを理解するための弱い教師付きグラフ埋め込みベースのフレームワークを提案する。 我々は,Twitterのツイートに対する弱い監督力を用いて学習したユーザ埋め込みを評価した。 実世界のデータセットの実験では、提案されたフレームワークがユーザタイプを検出するベースラインを上回っていることが示されている。
  論文  参考訳（メタデータ） (2021-08-20T03:54:29Z)
• 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)
• 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)
• Do You Do Yoga? Understanding Twitter Users' Types and Motivations using Social and Textual Information [29.89122455417348]
  本研究では,ニューラルネットワークと注意メカニズムの融合に基づく共同埋め込みモデルを提案する。 Twitterの「Yoga」にフォーカスしたウェルビーイング関連ツイートを使っています。
  論文  参考訳（メタデータ） (2020-12-17T00:15:13Z)
• Tweets Sentiment Analysis via Word Embeddings and Machine Learning Techniques [1.345251051985899]
  本論文では、感情分類のための特徴選択モデルWord2vecと機械学習アルゴリズムランダムフォレストを用いて、リアルタイムの2019年選挙Twitterデータに対する感情分析を行うことを目的とする。 Word2vecはテキスト中の単語の文脈意味を考慮し、特徴の質を改善し、機械学習と感情分析の精度を向上させる。
  論文  参考訳（メタデータ） (2020-07-05T08:10:30Z)

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。