論文の概要: Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling
- arxiv url: http://arxiv.org/abs/2106.10673v1
- Date: Sun, 20 Jun 2021 10:48:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-22 15:07:11.979043
- Title: Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia
for Human Personality Profiling
- Title(参考訳): twitterとfacebookの2面人間: パーソナリティプロファイルのためのソーシャルマルチメディアの収集
- Authors: Qi Yang, Aleksandr Farseev, Andrey Filchenkov
- Abstract要約: 我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
- 参考スコア(独自算出の注目度): 74.83957286553924
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Human personality traits are the key drivers behind our decision-making,
influencing our life path on a daily basis. Inference of personality traits,
such as Myers-Briggs Personality Type, as well as an understanding of
dependencies between personality traits and users' behavior on various social
media platforms is of crucial importance to modern research and industry
applications. The emergence of diverse and cross-purpose social media avenues
makes it possible to perform user personality profiling automatically and
efficiently based on data represented across multiple data modalities. However,
the research efforts on personality profiling from multi-source multi-modal
social media data are relatively sparse, and the level of impact of different
social network data on machine learning performance has yet to be
comprehensively evaluated. Furthermore, there is not such dataset in the
research community to benchmark. This study is one of the first attempts
towards bridging such an important research gap. Specifically, in this work, we
infer the Myers-Briggs Personality Type indicators, by applying a novel
multi-view fusion framework, called "PERS" and comparing the performance
results not just across data modalities but also with respect to different
social network data sources. Our experimental results demonstrate the PERS's
ability to learn from multi-view data for personality profiling by efficiently
leveraging on the significantly different data arriving from diverse social
multimedia sources. We have also found that the selection of a machine learning
approach is of crucial importance when choosing social network data sources and
that people tend to reveal multiple facets of their personality in different
social media avenues. Our released social multimedia dataset facilitates future
research on this direction.
- Abstract(参考訳): 人格特性は、私たちの意思決定の背後にある重要な要因であり、私たちの生活経路に日々影響を与えます。
myers-briggsのパーソナリティタイプのようなパーソナリティ特性の推論や、パーソナリティ特性とさまざまなソーシャルメディアプラットフォームにおけるユーザの行動の依存性の理解は、現代の研究や産業応用において重要な意味を持つ。
多様な多目的ソーシャルメディアの出現により、複数のデータモダリティにまたがるデータに基づいて、ユーザパーソナリティのプロファイリングを自動かつ効率的に行うことができる。
しかし,マルチモーダルソーシャルメディアデータからのパーソナリティ・プロファイリングに関する研究は,比較的まばらであり,異なるソーシャルネットワークデータによる機械学習性能への影響は未だ総合評価されていない。
さらに、ベンチマークを行うデータセットは研究コミュニティには存在しない。
この研究は、このような重要な研究ギャップを埋める最初の試みの1つです。
具体的には,Mers-Briggs Personality Typeインジケータを"PERS"と呼ばれる新しい多視点融合フレームワークに適用し,データモダリティだけでなく,異なるソーシャルネットワークデータソースについても,結果を比較して推定する。
実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
また、ソーシャルネットワークデータソースを選択する際には、機械学習アプローチの選択が極めて重要であることや、ソーシャルメディアのさまざまな道筋において、人の個性の複数の面を明らかにする傾向があることもわかりました。
当社がリリースしたソーシャルマルチメディアデータセットは,この方向性に関する今後の研究を促進する。
関連論文リスト
- Personality Profiling: How informative are social media profiles in
predicting personal information? [0.046040036610482664]
パーソナリティ・プロファイリングは、ターゲット広告、政治キャンペーン、ワクチンキャンペーンのために企業によって利用されてきた。
我々は,マイアーズ・ブリッグス(Myers-Briggs,マイアーズ・ブリッグス)のパーソナリティをプロファイリングするために,人々のオンラインデジタルフットプリントがどの程度活用できるかを検討することを目的とする。
論文 参考訳(メタデータ) (2023-09-15T03:09:43Z) - Personality-aware Human-centric Multimodal Reasoning: A New Task,
Dataset and Baselines [32.82738983843281]
我々はPersonality-aware Human-centric Multimodal Reasoning (PHMR) (T1)と呼ばれる新しいタスクを導入する。
課題は、過去の事例から得たマルチモーダル情報を用いて、個性要素を統合しながら、特定の個人の将来行動を予測することである。
実験の結果,性格特性を取り入れることで,人間中心の多モーダル推論性能が向上することが示された。
論文 参考訳(メタデータ) (2023-04-05T09:09:10Z) - 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) - 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) - 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) - My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks [4.095574580512599]
本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。
我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。
そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
論文 参考訳(メタデータ) (2020-09-22T20:30:56Z) - 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) - Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。
本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。
我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
論文 参考訳(メタデータ) (2020-07-07T17:19:56Z) - I Know Where You Are Coming From: On the Impact of Social Media Sources
on AI Model Performance [79.05613148641018]
我々は、異なるソーシャルネットワークのマルチモーダルデータから学習する際、異なる機械学習モデルの性能について検討する。
最初の実験結果から,ソーシャルネットワークの選択がパフォーマンス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) (2020-02-05T11:10:44Z)
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。