論文の概要: The state-of-the-art in text-based automatic personality prediction

• arxiv url: http://arxiv.org/abs/2110.01186v1
• Date: Mon, 4 Oct 2021 04:51:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-05 15:55:28.303564
• Title: The state-of-the-art in text-based automatic personality prediction
• Title（参考訳）: テキスト自動パーソナリティ予測における最新技術
• Authors: Ali-Reza Feizi-Derakhshi, Mohammad-Reza Feizi-Derakhshi, Majid Ramezani, Narjes Nikzad-Khasmakhi, Meysam Asgari-Chenaghlu, Taymaz Akan (Rahkar-Farshi), Mehrdad Ranjbar-Khadivi, Elnaz Zafarni-Moattar, Zoleikha Jahanbakhsh-Naghadeh
• Abstract要約: パーソナリティ検出は心理学における古い話題であり、自動パーソナリティ予測(または知覚) (APP) である。 APPは、テキスト、スピーチ、画像、ビデオなど、さまざまなタイプの人間が生成/交換したコンテンツに対して、人格を自動(計算的に)予測する。
• 参考スコア（独自算出の注目度）: 1.3209941988151326
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Personality detection is an old topic in psychology and Automatic Personality Prediction (or Perception) (APP) is the automated (computationally) forecasting of the personality on different types of human generated/exchanged contents (such as text, speech, image, video). The principal objective of this study is to offer a shallow (overall) review of natural language processing approaches on APP since 2010. With the advent of deep learning and following it transfer-learning and pre-trained model in NLP, APP research area has been a hot topic, so in this review, methods are categorized into three; pre-trained independent, pre-trained model based, multimodal approaches. Also, to achieve a comprehensive comparison, reported results are informed by datasets.
• Abstract（参考訳）: パーソナリティ検出(Personality detection)は心理学における古い話題であり、自動パーソナリティ予測(Personality Prediction, APP)は、人間の生成/交換されたさまざまなコンテンツ(テキスト、音声、画像、ビデオなど)の人格を自動(計算的に)予測するものである。 本研究の主な目的は,2010年以降のAPPにおける自然言語処理アプローチの浅い(すべて)レビューを提供することである。 深層学習の出現とNLPにおける伝達学習および事前学習モデルの導入により、APP研究領域はホットな話題となり、本レビューでは、事前学習された独立した事前学習モデルに基づくマルチモーダルアプローチの3つに分類される。 また、総合的な比較を行うために、報告された結果をデータセットによって報知する。

関連論文リスト

• 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)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Personality Style Recognition via Machine Learning: Identifying Anaclitic and Introjective Personality Styles from Patients' Speech [6.3042597209752715]
  自然言語処理(NLP)と機械学習ツールを使って分類する。 大うつ病(MDD)と診断された79人の患者を対象に、記録された臨床診断面接(CDI)のデータセットでこれを検証した。 言語由来の特徴(LIWCに基づく)による自動分類は,アンケートに基づく分類モデルよりも有意に優れていることがわかった。
  論文  参考訳（メタデータ） (2023-11-07T15:56:19Z)
• 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)
• Analysing the Impact of Audio Quality on the Use of Naturalistic Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
  早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。 近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。 音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
  論文  参考訳（メタデータ） (2023-05-03T08:25:37Z)
• Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
  本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。 生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。 今回,最も多い患者,すなわち30日間の寛解率について検討した。
  論文  参考訳（メタデータ） (2022-11-13T01:07:23Z)
• 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)
• Extending the Abstraction of Personality Types based on MBTI with Machine Learning and Natural Language Processing [0.0]
  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。
  論文  参考訳（メタデータ） (2021-05-25T10:00:16Z)
• 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)
• Automatic Personality Prediction; an Enhanced Method Using Ensemble Modeling [9.175926602405543]
  本研究の主な目的は,テキストから自動パーソナリティ予測の精度を高めることである。 我々は,用語頻度ベクトルベース,オントロジーベース,リッチセマンティック分析(LSA)ベース,深層学習ベース(BiLSTM)メソッドの5つの新しいAPP手法を提案する。 その結果,アンサンブルモデリングによりAPPの精度が向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-09T06:05:10Z)

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。