論文の概要: EmpathBERT: A BERT-based Framework for Demographic-aware Empathy
Prediction
- arxiv url: http://arxiv.org/abs/2102.00272v1
- Date: Sat, 30 Jan 2021 16:57:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 16:24:05.199759
- Title: EmpathBERT: A BERT-based Framework for Demographic-aware Empathy
Prediction
- Title(参考訳): EmpathBERT: 画像認識型共感予測のためのBERTベースのフレームワーク
- Authors: Bhanu Prakash Reddy Guda, Aparna Garimella and Niyati Chhaya
- Abstract要約: 本研究では,BERTに基づく共感予測のための階層型フレームワークであるEmpathBERTを提案する。
EmpathBERTが従来の機械学習モデルやディープラーニングモデルを上回ることを示す。
また、ユーザ人口統計特性を予測するために、感情認識モデルを開発することにより、応答における影響情報の重要性を強調した。
- 参考スコア(独自算出の注目度): 13.512750745176664
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Affect preferences vary with user demographics, and tapping into demographic
information provides important cues about the users' language preferences. In
this paper, we utilize the user demographics, and propose EmpathBERT, a
demographic-aware framework for empathy prediction based on BERT. Through
several comparative experiments, we show that EmpathBERT surpasses traditional
machine learning and deep learning models, and illustrate the importance of
user demographics to predict empathy and distress in user responses to
stimulative news articles. We also highlight the importance of affect
information in the responses by developing affect-aware models to predict user
demographic attributes.
- Abstract(参考訳): 影響の好みは、ユーザの人口統計によって異なり、人口統計情報を入力することで、ユーザの言語嗜好に関する重要な手がかりを提供する。
本稿では,ユーザの人口動態を利用して,BERTに基づく共感予測のための人口動態認識フレームワークであるEmpathBERTを提案する。
いくつかの比較実験を通じて、EmpathBERTは従来の機械学習とディープラーニングモデルを超え、刺激的なニュース記事に対するユーザーの反応の共感と苦痛を予測するためのユーザー人口統計の重要性を示しています。
また、ユーザー人口属性を予測するための影響認識モデルの開発により、応答における影響情報の重要性を強調します。
関連論文リスト
- Beyond Text: Leveraging Multi-Task Learning and Cognitive Appraisal Theory for Post-Purchase Intention Analysis [10.014248704653]
本研究では,ユーザの行動を予測するための認知評価理論に基づくマルチタスク学習フレームワークを評価する。
実験の結果, ユーザの言語や特徴は, テキストのみから予測するモデル以上の予測を改善することがわかった。
論文 参考訳(メタデータ) (2024-07-11T04:57:52Z) - 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) - A Framework For Gait-Based User Demography Estimation Using Inertial
Sensors [0.0]
ユーザの年齢と性別を識別するために、745人の被験者からなる大規模なセンサベースの歩行データセット上で、ディープニューラルネットワークモデルをトレーニングする。
我々は,年齢や性別などのユーザの復刻を識別する上で重要な役割を担う重要な変数を同定する。
このアプローチは、年齢や性別に関連する歩行パラメータに関する情報を提供するだけでなく、歩行障害を解析・診断するために拡張できると考えている。
論文 参考訳(メタデータ) (2024-02-15T07:23:34Z) - Decoding the Silent Majority: Inducing Belief Augmented Social Graph
with Large Language Model for Response Forecasting [74.68371461260946]
SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。
本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
論文 参考訳(メタデータ) (2023-10-20T06:17:02Z) - 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) - In the Eye of the Beholder: Robust Prediction with Causal User Modeling [27.294341513692164]
データ分布の変化に頑健な関係予測のための学習フレームワークを提案する。
私たちのキーとなる観察は、ユーザがどのように環境を慎重に知覚するかを考慮し、堅牢性を得ることができることです。
論文 参考訳(メタデータ) (2022-06-01T11:33:57Z) - Preference Enhanced Social Influence Modeling for Network-Aware Cascade
Prediction [59.221668173521884]
本稿では,ユーザの嗜好モデルを強化することで,カスケードサイズ予測を促進する新しいフレームワークを提案する。
エンド・ツー・エンドの手法により,ユーザの情報拡散プロセスがより適応的で正確になる。
論文 参考訳(メタデータ) (2022-04-18T09:25:06Z) - Multimodal Emotion Recognition using Transfer Learning from Speaker
Recognition and BERT-based models [53.31917090073727]
本稿では,音声とテキストのモダリティから,伝達学習モデルと微調整モデルとを融合したニューラルネットワークによる感情認識フレームワークを提案する。
本稿では,対話型感情的モーションキャプチャー・データセットにおけるマルチモーダル・アプローチの有効性を評価する。
論文 参考訳(メタデータ) (2022-02-16T00:23:42Z) - Attribute Inference Attack of Speech Emotion Recognition in Federated
Learning Settings [56.93025161787725]
Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。
本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。
FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
論文 参考訳(メタデータ) (2021-12-26T16:50:42Z) - Predicting user demographics based on interest analysis [1.7403133838762448]
本稿では,システム内のユーザによって登録されたレーティングに基づいて,ユーザの人口動態を予測する枠組みを提案する。
ユーザによって登録されたすべてのレーティングを使用することで、これまで検討されたモデルと比較して、予測精度が少なくとも16%向上する。
論文 参考訳(メタデータ) (2021-08-02T16:25:09Z) - Context-aware Heterogeneous Graph Attention Network for User Behavior
Prediction in Local Consumer Service Platform [8.30503479549857]
ローカルコンシューマサービスプラットフォームは、GrouponやKoubeiといった、近くの店や自宅へのサービスを利用するソフトウェアを提供する。
ローカルコンシューマサービスプラットフォーム上でのユーザの振る舞いは、リアルタイムなローカルコンテキスト情報と密接に関連している。
本稿では,ユーザの表現を生成し,将来の行動の確率を推定するために,コンテキスト対応の異種グラフアテンションネットワーク(CHGAT)を提案する。
論文 参考訳(メタデータ) (2021-06-24T03:08:21Z)
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。