Fugu-MT 論文翻訳(概要): EmpathBERT: A BERT-based Framework for Demographic-aware Empathy Prediction

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

Accurate and Data-Efficient Toxicity Prediction when Annotators Disagree [1.3749490831384268]
アノテータが同意しない場合、個々のアノテータによって与えられるラベルを予測すれば、従来のラベル集約によって見落とされたニュアンスをキャプチャすることができる。テキストの毒性に基づいて,個々のアノテータ評価を予測するための3つのアプローチを提案する。評価予測のための人口統計情報の有用性について検討する。
論文参考訳（メタデータ） (2024-10-16T04:26:40Z)
MisinfoEval: Generative AI in the Era of "Alternative Facts" [50.069577397751175]
本稿では,大規模言語モデル(LLM)に基づく誤情報介入の生成と評価を行うフレームワークを提案する。本研究では,(1)誤情報介入の効果を測定するための模擬ソーシャルメディア環境の実験,(2)ユーザの人口動態や信念に合わせたパーソナライズされた説明を用いた第2の実験について述べる。以上の結果から,LSMによる介入はユーザの行動の修正に極めて有効であることが確認された。
論文参考訳（メタデータ） (2024-10-13T18:16:50Z)
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)
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。