論文の概要: A Computational Approach to Measure Empathy and Theory-of-Mind from Written Texts

• arxiv url: http://arxiv.org/abs/2108.11810v1
• Date: Thu, 26 Aug 2021 14:23:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-27 13:56:57.834966
• Title: A Computational Approach to Measure Empathy and Theory-of-Mind from Written Texts
• Title（参考訳）: テキストからの共感と心の理論の計算的アプローチ
• Authors: Yoon Kyung Lee, Inju Lee, Jae Eun Park, Yoonwon Jung, Jiwon Kim, Sowon Hahn
• Abstract要約: 理論・オブ・ミンド(英: Theory-of-mind、ToM)は、他人の意図や考えを推測する人間の能力である。 ToM-Diaryは、クラウドソーシングされた18,238の日記で、ToMレベルが異なる74,014の韓国語文が注釈付けされている。
• 参考スコア（独自算出の注目度）: 5.105390149198602
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Theory-of-mind (ToM), a human ability to infer the intentions and thoughts of others, is an essential part of empathetic experiences. We provide here the framework for using NLP models to measure ToM expressed in written texts. For this purpose, we introduce ToM-Diary, a crowdsourced 18,238 diaries with 74,014 Korean sentences annotated with different ToM levels. Each diary was annotated with ToM levels by trained psychology students and reviewed by selected psychology experts. The annotators first divided the diaries based on whether they mentioned other people: self-focused and other-focused. Examples of self-focused sentences are "I am feeling good". The other-focused sentences were further classified into different levels. These levels differ by whether the writer 1) mentions the presence of others without inferring their mental state(e.g., I saw a man walking down the street), 2) fails to take the perspective of others (e.g., I don't understand why they refuse to wear masks), or 3) successfully takes the perspective of others (It must have been hard for them to continue working). We tested whether state-of-the-art transformer-based models (e.g., BERT) could predict underlying ToM levels in sentences. We found that BERT more successfully detected self-focused sentences than other-focused ones. Sentences that successfully take the perspective of others (the highest ToM level) were the most difficult to predict. Our study suggests a promising direction for large-scale and computational approaches for identifying the ability of authors to empathize and take the perspective of others. The dataset is at [URL](https://github.com/humanfactorspsych/covid19-tom-empathy-diary)
• Abstract（参考訳）: 人の意図や思考を推測する人間の能力である理論・オブ・ミンド(ToM)は共感経験の重要な部分である。 ここでは、NLPモデルを使用してテキストで表現されたToMを測定するためのフレームワークを提供する。 そこで本研究では,ToMレベルの異なる朝鮮語文74,014文をクラウドソーシングした18,238の日記であるToM-Diaryを紹介する。 各日記は、訓練された心理学生によってToMレベルに注釈付けされ、選択された心理学専門家によってレビューされた。 アノテータは最初に、他の人に言及したかどうかに基づいて日記を分割した。 自己中心の文章の例は「私は気分が良い」である。 他の文は、さらに異なるレベルに分類された。 これらのレベルは、1)心的状態を推測せずに他人の存在を語る(例:通りを歩いてる男を見た)か、2)他人の視点を採らない(例:なぜマスクを着るのを拒むのか理解できない)か、または3)他人の視点を採る(例:働き続けるのが困難だったに違いない)かによって異なる。 文中のToMレベルを,最先端の変換器ベースモデル(BERTなど)で予測できるかどうかを検討した。 bertは,他の言語よりも自己中心文の検出に成功していることがわかった。 他人の視点(最も高いtomレベル)をうまく捉えた文は、予測するのが最も困難だった。 本研究は,著者が共感し,他者の視点を捉える能力を見極めるための,大規模かつ計算的なアプローチに有望な方向性を示唆する。 データセットは[URL](https://github.com/ Humanfactorspsych/covid19-tom-empathy-diary)。

関連論文リスト

• SimpleToM: Exposing the Gap between Explicit ToM Inference and Implicit ToM Application in LLMs [72.06808538971487]
  大規模言語モデル(LLM)が行動予測に「心の理論」(ToM)を暗黙的に適用できるかどうかを検証する。 ToM推論の異なる程度をテストする3つの質問を含む新しいデータセットSimpleTomを作成します。 私たちの知る限り、SimpleToMは、現実的なシナリオにおけるメンタルステートの知識を必要とする下流の推論を探求する最初のデータセットです。
  論文  参考訳（メタデータ） (2024-10-17T15:15:00Z)
• Measuring Psychological Depth in Language Models [50.48914935872879]
  本稿では,文学理論に根ざした新たな枠組みである心理的深度尺度(PDS)を紹介する。 PDS(0.72 クリッペンドルフのα)に基づいて人間が一貫して物語を評価できることを示し、我々の枠組みを実証的に検証する。 驚いたことに、GPT-4のストーリーはRedditから入手した高評価の人文記事と統計的に区別できない。
  論文  参考訳（メタデータ） (2024-06-18T14:51:54Z)
• Towards a Psychology of Machines: Large Language Models Predict Human Memory [0.0]
  大規模言語モデル(LLM)は、人間の認知に基づいていないにもかかわらず、様々なタスクで優れています。 本研究では,ChatGPTが言語ベースのメモリタスクにおいて,人間のパフォーマンスを予測する能力について検討する。
  論文  参考訳（メタデータ） (2024-03-08T08:41:14Z)
• DepressionEmo: A novel dataset for multilabel classification of depression emotions [6.26397257917403]
  DepressionEmoは、Redditの長いユーザー投稿の6037例によって、うつ病に関連する8つの感情を検出するために設計されたデータセットである。 このデータセットは、事前訓練されたモデルのゼロショット分類による入力に対する多数決によって作成された。 本稿では,SVM,XGBoost,Light GBMなどの機械学習手法と,BERT,GAN-BERT,BARTなどのディープラーニング手法の2つのグループに分類されるテキスト分類手法を提案する。
  論文  参考訳（メタデータ） (2024-01-09T16:25:31Z)
• PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection [50.66968526809069]
  PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。 実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2023-10-31T08:23:33Z)
• Few-Shot Character Understanding in Movies as an Assessment to Meta-Learning of Theory-of-Mind [47.13015852330866]
  人間は、いくつかの観察によって、新しい架空のキャラクターを素早く理解することができる。 これは、人間のキャラクターの精神状態、すなわち理論・オブ・ミンド(ToM)の推論における、数少ないショットとメタラーニングの本質を反映している。 このギャップを新しいNLPデータセットであるToM-in-AMCで埋め、現実的な物語理解シナリオにおける機械によるToMのメタラーニングを初めて評価する。
  論文  参考訳（メタデータ） (2022-11-09T05:06:12Z)
• EmpBot: A T5-based Empathetic Chatbot focusing on Sentiments [75.11753644302385]
  共感的会話エージェントは、議論されていることを理解しているだけでなく、会話相手の暗黙の感情も認識すべきである。 変圧器事前学習言語モデル(T5)に基づく手法を提案する。 本研究では,自動計測と人的評価の両方を用いて,情緒的ダイアログデータセットを用いたモデルの評価を行った。
  論文  参考訳（メタデータ） (2021-10-30T19:04:48Z)
• Perspective-taking and Pragmatics for Generating Empathetic Responses Focused on Emotion Causes [50.569762345799354]
  i) 相手の感情が発話から引き起こされる原因となる単語を特定することと, (ii) 応答生成における特定の単語を反映することである。 社会的認知からインスピレーションを得て、生成的推定を用いて、感情が単語レベルのラベルのない発話から単語を推論する。
  論文  参考訳（メタデータ） (2021-09-18T04:22:49Z)
• A Computational Approach to Understanding Empathy Expressed in Text-Based Mental Health Support [11.736179504987712]
  オンラインメンタルヘルスプラットフォームにおいて共感がどのように表現されるかを理解するための計算手法を提案する。 我々は,テキストベースの会話における共感のコミュニケーションを特徴付けるための,理論的基盤の統一フレームワークを開発する。
  論文  参考訳（メタデータ） (2020-09-17T17:47:00Z)

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。