論文の概要: Modeling Proficiency with Implicit User Representations

• arxiv url: http://arxiv.org/abs/2110.08011v1
• Date: Fri, 15 Oct 2021 11:15:17 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-18 13:25:58.482707
• Title: Modeling Proficiency with Implicit User Representations
• Title（参考訳）: 暗黙的ユーザ表現を用いたモデリング習熟度
• Authors: Kim Breitwieser, Allison Lahnala, Charles Welch, Lucie Flek, Martin Potthast
• Abstract要約: ソーシャルメディアプラットフォーム上のユーザの投稿が与えられた場合、その課題は、ユーザーがある程度の熟練度を持つ投稿やトピックのサブセットを特定することである。 これにより、ユーザの熟練度に応じて、特定のトピックに関するソーシャルメディア投稿のフィルタリングとランク付けが可能になる。 本稿では,基本的なものから高度に調整されたユーザモデリングアプローチまで,5つの代替手法について検討する。
• 参考スコア（独自算出の注目度）: 18.4163404453651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce the problem of proficiency modeling: Given a user's posts on a social media platform, the task is to identify the subset of posts or topics for which the user has some level of proficiency. This enables the filtering and ranking of social media posts on a given topic as per user proficiency. Unlike experts on a given topic, proficient users may not have received formal training and possess years of practical experience, but may be autodidacts, hobbyists, and people with sustained interest, enabling them to make genuine and original contributions to discourse. While predicting whether a user is an expert on a given topic imposes strong constraints on who is a true positive, proficiency modeling implies a graded scoring, relaxing these constraints. Put another way, many active social media users can be assumed to possess, or eventually acquire, some level of proficiency on topics relevant to their community. We tackle proficiency modeling in an unsupervised manner by utilizing user embeddings to model engagement with a given topic, as indicated by a user's preference for authoring related content. We investigate five alternative approaches to model proficiency, ranging from basic ones to an advanced, tailored user modeling approach, applied within two real-world benchmarks for evaluation.
• Abstract（参考訳）: ソーシャルメディアプラットフォーム上でユーザの投稿が与えられた場合、その課題は、ユーザーがある程度の熟練度を持つ投稿やトピックのサブセットを特定することである。 これにより、特定のトピックに対するソーシャルメディア投稿のフィルタリングとランキングが、ユーザの習熟度に応じて可能になる。 あるトピックのエキスパートとは異なり、熟練したユーザーは正式なトレーニングを受けておらず、何年も実践的な経験を積んでいたかもしれないが、オートディダクト、ホビイスト、そして継続的に興味を持つ人々であり、会話に真正で独創的な貢献をすることができる。 ユーザが特定のトピックの専門家であるかどうかを予測することは、真の肯定的かどうかに強い制約を課す一方で、熟練度モデリングは、これらの制約を緩和する、段階的なスコア付けを意味する。 別の言い方をすれば、多くのアクティブなソーシャルメディアユーザーは、コミュニティに関連するトピックに関するある程度のスキルを所有または取得できる。 本研究では,利用者が関連コンテンツのオーサリングを好み,対象トピックのエンゲージメントをモデル化するためにユーザ埋め込みを活用することによって,教師なしの手法で熟練度モデリングに取り組む。 2つの実世界のベンチマークで適用した,基本的な手法から高度なユーザモデリング手法まで,モデルの習熟度に関する5つの方法を検討した。

関連論文リスト

• Establishing Knowledge Preference in Language Models [80.70632813935644]
  言語モデルは事前学習を通じて大量の事実知識を符号化することが知られている。 このような知識はユーザーからの要求に応えるには不十分かもしれない。 進行中のイベントに関する質問に答える場合には、最新のニュース記事を使って回答を更新する必要がある。 ある事実がモデルで編集されると、更新された事実はモデルによって学習されたすべての事前知識をオーバーライドする。
  論文  参考訳（メタデータ） (2024-07-17T23:16:11Z)
• The Art of Saying No: Contextual Noncompliance in Language Models [123.383993700586]
  本稿では,ユーザの要求に従わないモデルについて,コンテキスト非準拠の包括的分類を導入する。 我々の分類は、不完全、不完全、不完全、不決定、人為的要求を含む幅広いカテゴリーにまたがる。 言語モデルの非準拠性をテストするために,1000個の非準拠プロンプトの新たな評価スイートを開発するために,この分類法を用いる。
  論文  参考訳（メタデータ） (2024-07-02T07:12:51Z)
• Towards Personalized Evaluation of Large Language Models with An Anonymous Crowd-Sourcing Platform [64.76104135495576]
  大規模言語モデルのための匿名クラウドソーシング評価プラットフォームであるBingJianを提案する。 このプラットフォームを通じて、ユーザーは質問を提出し、パーソナライズされ、潜在的に幅広い機能でモデルをテストできる。
  論文  参考訳（メタデータ） (2024-03-13T07:31:20Z)
• A User-Centered, Interactive, Human-in-the-Loop Topic Modelling System [32.065158970382036]
  ヒューマン・イン・ザ・ループ(Human-in-the-loop)トピック・モデリングは、ユーザの知識をモデリングプロセスに取り入れ、モデルを反復的に洗練することを可能にする。 最近の研究では、ユーザフィードバックの価値が実証されているが、検討すべき問題がまだ残っている。 そこで我々は,ユーザフレンドリなインタフェースを備えた対話型話題モデリングシステムを開発した。
  論文  参考訳（メタデータ） (2023-04-04T13:05:10Z)
• Modeling User Behaviour in Research Paper Recommendation System [8.980876474818153]
  ディープシーケンシャルなトピック分析に基づくユーザ意図モデルを提案する。 モデルは、興味のあるトピックの観点から、ユーザの意図を予測する。 提案手法では,研究論文推薦システムの設計に適したユーザアクティビティをモデル化する新たなロードマップを提案する。
  論文  参考訳（メタデータ） (2021-07-16T11:31:03Z)
• Model Learning with Personalized Interpretability Estimation (ML-PIE) [2.862606936691229]
  ハイステークアプリケーションは、AI生成モデルを解釈可能にする必要がある。 解釈可能なモデルの合成のための現在のアルゴリズムは、目的や正規化項に依存する。 本稿では,ユーザ向けにカスタマイズされたモデルの合成手法を提案する。
  論文  参考訳（メタデータ） (2021-04-13T09:47:48Z)
• Can You be More Social? Injecting Politeness and Positivity into Task-Oriented Conversational Agents [60.27066549589362]
  人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。 このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。 人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
  論文  参考訳（メタデータ） (2020-12-29T08:22:48Z)
• Topic Modeling on User Stories using Word Mover's Distance [4.378337862197529]
  本稿では,クラウド生成ユーザストーリーの集合内のトピックを識別する手段として,トピックモデリングに焦点を当てる。 群衆労働者による2,966件のユーザストーリーを公開して評価した。
  論文  参考訳（メタデータ） (2020-07-10T11:05:42Z)
• Towards Open-World Recommendation: An Inductive Model-based Collaborative Filtering Approach [115.76667128325361]
  推奨モデルは、基礎となるユーザの関心を効果的に見積もり、将来の行動を予測することができる。 2つの表現モデルを含む帰納的協調フィルタリングフレームワークを提案する。 本モデルでは,限られたトレーニングレーティングと新規の未確認ユーザを対象に,数ショットのユーザに対して有望なレコメンデーションを行う。
  論文  参考訳（メタデータ） (2020-07-09T14:31:25Z)
• Plausible Counterfactuals: Auditing Deep Learning Classifiers with Realistic Adversarial Examples [84.8370546614042]
  ディープラーニングモデルのブラックボックスの性質は、彼らがデータから何を学ぶかについて、未回答の疑問を提起している。 GAN(Generative Adversarial Network)とマルチオブジェクトは、監査されたモデルに妥当な攻撃を与えるために使用される。 その実用性は人間の顔の分類タスクの中で示され、提案されたフレームワークの潜在的可能性を明らかにしている。
  論文  参考訳（メタデータ） (2020-03-25T11:08:56Z)

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。