論文の概要: Nation-wide Mood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data

• arxiv url: http://arxiv.org/abs/2111.05537v2
• Date: Thu, 11 Nov 2021 04:57:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-08 12:26:46.484960
• Title: Nation-wide Mood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data
• Title（参考訳）: Nation-wide Mood: Web Search Query と Mobile Sensor Data による人々のムードの大規模推定
• Authors: Wataru Sasaki, Hiroshi Kawane, Satoko Miyahara, Kota Tsubouchi, Tadashi Okoshi
• Abstract要約: 本稿では,ユーザWeb検索クエリとモバイルセンサデータを組み合わせた新しい推定手法を提案する。 全国規模のムードスコア」を全国のユーザーのムード値にまとめ,毎日の気分のリズムと週毎のリズムを示す。
• 参考スコア（独自算出の注目度）: 13.09064022981857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to estimate the current affective statuses of web users has considerable potential for the realization of user-centric services in the society. However, in real-world web services, it is difficult to determine the type of data to be used for such estimation, as well as collecting the ground truths of such affective statuses. We propose a novel method of such estimation based on the combined use of user web search queries and mobile sensor data. The system was deployed in our product server stack, and a large-scale data analysis with more than 11,000,000 users was conducted. Interestingly, our proposed "Nation-wide Mood Score," which bundles the mood values of users across the country, (1) shows the daily and weekly rhythm of people's moods, (2) explains the ups and downs of people's moods in the COVID-19 pandemic, which is inversely synchronized to the number of new COVID-19 cases, and (3) detects the linkage with big news, which may affect many user's mood states simultaneously, even in a fine-grained time resolution, such as the order of hours.
• Abstract（参考訳）: ウェブユーザーの現在の感情的ステータスを推定する能力は、社会におけるユーザー中心のサービスの実現にかなりの可能性を持っている。 しかし、現実世界のwebサービスでは、そのような感情的な状態の基盤的真実を収集するだけでなく、そのような推定に使用するデータの種類を決定するのは難しい。 本稿では,ユーザのweb検索クエリとモバイルセンサデータを組み合わせた新しい推定手法を提案する。 このシステムは当社の製品サーバスタックにデプロイされ、11,000,000人以上のユーザによる大規模データ分析が行われた。 今回提案した「全国規模のムードスコア」は、国民の気分の価値観を束ねたもので、(1)人々の気分の毎日のリズム、(2)新型コロナウイルスのパンデミックにおける人々の気分の上昇と低下を説明、(3)大ニュースとの結びつきを検知し、同時に多くのユーザーの気分状態に影響を与える可能性がある。

関連論文リスト

• Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization [4.245223529153532]
  携帯電話のセンサデータは、食行動と気分の両方を、モバイル食日記とモバイル健康アプリケーションという文脈で独立して特徴付けるために使われてきた。 以上の結果から, 一般的な気分推定モデルでは, 摂食など特定の文脈での性能が低下することが示唆された。 これらの制約に対処するために,類似ユーザから対象ユーザへのデータを用いたモデルを構築することにより,新たなコミュニティベースのパーソナライズ手法を採用した。
  論文  参考訳（メタデータ） (2023-06-01T14:24:10Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• DisenHCN: Disentangled Hypergraph Convolutional Networks for Spatiotemporal Activity Prediction [53.76601630407521]
  本稿では,既存のソリューションのギャップを埋めるために,DistenHCNと呼ばれるハイパーグラフネットワークモデルを提案する。 特に,ユーザの好みと時間的活動の複雑なマッチングをヘテロジニアスなハイパーグラフにまとめる。 次に、ユーザ表現を異なる側面(位置認識、時間認識、活動認識)に切り離し、構築したハイパーグラフ上に対応するアスペクトの特徴を集約する。
  論文  参考訳（メタデータ） (2022-08-14T06:51:54Z)
• Characterizing User Susceptibility to COVID-19 Misinformation on Twitter [40.0762273487125]
  本研究は、パンデミックのオンライン誤報に弱い人口を構成する人々への回答を試みる。 我々は、ソーシャルボットから、新型コロナウイルス関連の誤情報に関するさまざまなレベルのエンゲージメントを持つ人間まで、さまざまなタイプのユーザーを区別する。 次に、新型コロナウイルスの誤情報に対する感受性と相関する、ユーザのオンライン機能と状況予測を識別する。
  論文  参考訳（メタデータ） (2021-09-20T13:31:15Z)
• Predicting user demographics based on interest analysis [1.7403133838762448]
  本稿では,システム内のユーザによって登録されたレーティングに基づいて,ユーザの人口動態を予測する枠組みを提案する。 ユーザによって登録されたすべてのレーティングを使用することで、これまで検討されたモデルと比較して、予測精度が少なくとも16%向上する。
  論文  参考訳（メタデータ） (2021-08-02T16:25:09Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• NationalMood: Large-scale Estimation of People's Mood from Web Search Query and Mobile Sensor Data [14.300584025894711]
  本稿では,ユーザのWeb検索クエリとモバイルセンサデータを組み合わせて,そのような推定手法を提案する。 我々の「全国ムードスコア」は、新型コロナウイルスのパンデミックにおける人々の気分の上昇と低下を示し、患者数と逆に相関し、また毎週のムードリズムも示しています。
  論文  参考訳（メタデータ） (2020-11-02T01:15:04Z)
• Unsatisfied Today, Satisfied Tomorrow: a simulation framework for performance evaluation of crowdsourcing-based network monitoring [68.8204255655161]
  本稿では, 性能の低い細胞の検出品質を評価するための実験フレームワークを提案する。 このフレームワークは、満足度調査のプロセスとユーザの満足度予測の両方をシミュレートする。 シミュレーションフレームワークを用いて、一般的なシナリオにおいて、性能の低いサイト検出の性能を実証的にテストする。
  論文  参考訳（メタデータ） (2020-10-30T10:03:48Z)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)
• Improving time use measurement with personal big data collection -- the experience of the European Big Data Hackathon 2019 [62.997667081978825]
  この記事では、Eurostatが主催するNTTS(New Techniques and Technologies for Statistics)カンファレンスのサテライトイベントであるEuropean Big Data Hackathon 2019で、i-Logの経験を評価します。 i-Logは、スマートフォンの内部センサーから個人用ビッグデータをキャプチャして、時間的使用量を測定するシステムである。
  論文  参考訳（メタデータ） (2020-04-24T18:40:08Z)

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。