論文の概要: Extending the Abstraction of Personality Types based on MBTI with
Machine Learning and Natural Language Processing
- arxiv url: http://arxiv.org/abs/2105.11798v1
- Date: Tue, 25 May 2021 10:00:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-26 15:11:06.085789
- Title: Extending the Abstraction of Personality Types based on MBTI with
Machine Learning and Natural Language Processing
- Title（参考訳）: 機械学習と自然言語処理によるMBTIに基づくパーソナリティタイプの抽象化の拡張
- Authors: Carlos Basto
- Abstract要約: MBTIに基づく人格型予測のための自然言語処理(NLP)を用いたデータ中心型アプローチ
実験は、積み重ねられたモデルの堅牢なベースラインを持っていた。
その結果、データ反復ループへの注目は、より関連性の高い/重要なリソースの抽象化のための品質、説明力、代表性に焦点が当てられた。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A data-centric approach with Natural Language Processing (NLP) to predict
personality types based on the MBTI (an introspective self-assessment
questionnaire that indicates different psychological preferences about how
people perceive the world and make decisions) through systematic enrichment of
text representation, based on the domain of the area, under the generation of
features based on three types of analysis: sentimental, grammatical and
aspects. The experimentation had a robust baseline of stacked models, with
premature optimization of hyperparameters through grid search, with gradual
feedback, for each of the four classifiers (dichotomies) of MBTI. The results
showed that attention to the data iteration loop focused on quality,
explanatory power and representativeness for the abstraction of more
relevant/important resources for the studied phenomenon made it possible to
improve the evaluation metrics results more quickly and less costly than
complex models such as the LSTM or state of the art ones as BERT, as well as
the importance of these results by comparisons made from various perspectives.
In addition, the study demonstrated a broad spectrum for the evolution and
deepening of the task and possible approaches for a greater extension of the
abstraction of personality types.
- Abstract（参考訳）: mbti(introspective self-assesment questionnaire, 内省的自己評価アンケート)に基づくパーソナリティタイプを予測するための自然言語処理(nlp)を用いたデータ中心アプローチは、感情的、文法的、側面の3つの分析に基づく特徴の生成に基づいて、領域のドメインに基づくテキスト表現を体系的に強化することで、パーソナリティタイプを予測する。
実験は、MBTIの4つの分類器(ディコトミー)のそれぞれに対して、グリッドサーチによるハイパーパラメータの早期最適化と段階的なフィードバックにより、積み重ねモデルの堅牢なベースラインを持っていた。
その結果,データ反復ループの注目点は,LSTMやBERTのような美術品の複雑なモデルよりも,評価指標を迅速かつ安価に向上させることができ,また,様々な観点から比較することで,これらの結果の重要性が示唆された。
さらに、この研究はタスクの進化と深化の幅広いスペクトルを示し、パーソナリティタイプの抽象化をさらに拡張するためのアプローチの可能性を示した。
関連論文リスト
- Modeling the Human Visual System: Comparative Insights from Response-Optimized and Task-Optimized Vision Models, Language Models, and different Readout Mechanisms [1.515687944002438]
視覚入力を用いた応答最適化モデルでは,早期・中期の視覚領域において,より優れた予測精度が得られることを示す。
言語的記述では捉えられない入力の知覚的特徴に敏感な視覚野の3つの異なる領域を同定する。
本稿では,意味的内容に基づいて受容場や特徴マップを変調し,既存のSOTAよりも3～23%精度が向上する手法を提案する。
論文 参考訳（メタデータ） (2024-10-17T21:11:13Z) - Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。
LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-10-16T07:47:45Z) - PersLLM: A Personified Training Approach for Large Language Models [66.16513246245401]
社会実践, 一貫性, 動的発達という, 心理学に根ざした個性の原則を統合したPersLLMを提案する。
モデルパラメータに直接パーソナリティ特性を組み込み、誘導に対するモデルの抵抗性を高め、一貫性を高め、パーソナリティの動的進化を支援する。
論文 参考訳（メタデータ） (2024-07-17T08:13:22Z) - On the Robustness of Aspect-based Sentiment Analysis: Rethinking Model,
Data, and Training [109.9218185711916]
アスペクトベースの感情分析(ABSA)は、ソーシャルメディアのテキストやレビューの背後にある製品やサービスの特定の側面に対して、特定の感情の極性を自動的に推測することを目的としている。
我々は、モデル、データ、トレーニングを含むあらゆる可能な角度からボトルネックを体系的に再考することで、ABSAの堅牢性を高めることを提案する。
論文 参考訳（メタデータ） (2023-04-19T11:07:43Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - Myers-Briggs personality classification from social media text using
pre-trained language models [0.0]
本稿では, MBTI分類を行うために, BERTモデルによる双方向表現を微調整した一連の実験について述べる。
本研究の主目的は, 単語のバッグや静的な単語の埋め込みなどに基づいて, テキスト分類モデルの性能を著しく向上させることである。
論文 参考訳（メタデータ） (2022-07-10T14:38:09Z) - Pushing on Personality Detection from Verbal Behavior: A Transformer
Meets Text Contours of Psycholinguistic Features [27.799032561722893]
テキストデータから人格特性を予測する上で,2つの大きな改善点を報告する。
精神言語学的特徴のテキスト内分布を学習した,事前学習型トランスフォーマー言語モデルBERTと双方向長短期記憶ネットワークを統合した。
2つのベンチマークデータセット上に構築したモデルの性能を評価する。
論文 参考訳（メタデータ） (2022-04-10T08:08:46Z) - Multitask Learning for Emotion and Personality Detection [17.029426018676997]
本研究では,人格特性と感情行動の相関関係を解明し,新しいマルチタスク学習フレームワークSoGMTLを提案する。
当社の計算効率の高いCNNベースのマルチタスクモデルは、複数の有名なパーソナリティおよび感情データセットにわたる最先端のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-01-07T03:09:55Z) - Personality Trait Detection Using Bagged SVM over BERT Word Embedding
Ensembles [10.425280599592865]
本稿では,テキストからの人格自動検出のための新しい深層学習手法を提案する。
我々は、自然言語理解における最先端技術、すなわちBERT言語モデルを活用して、文脈化された単語埋め込みを抽出する。
我々のモデルは、従来の最先端技術よりも1.04%優れており、同時に、トレーニングの計算効率も大幅に向上している。
論文 参考訳（メタデータ） (2020-10-03T09:25:51Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳（メタデータ） (2020-04-04T14:59:32Z) - Rethinking Generalization of Neural Models: A Named Entity Recognition
Case Study [81.11161697133095]
NERタスクをテストベッドとして、異なる視点から既存モデルの一般化挙動を分析する。
詳細な分析による実験は、既存のニューラルNERモデルのボトルネックを診断する。
本論文の副産物として,最近のNER論文の包括的要約を含むプロジェクトをオープンソース化した。
論文 参考訳（メタデータ） (2020-01-12T04:33:53Z)
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。