Fugu-MT 論文翻訳(概要): Using Machine Learning Based Models for Personality Recognition

論文の概要: Using Machine Learning Based Models for Personality Recognition

arxiv url: http://arxiv.org/abs/2201.06248v1
Date: Mon, 17 Jan 2022 07:20:51 GMT
ステータス: 処理完了
システム内更新日: 2022-01-19 15:31:18.235069
Title: Using Machine Learning Based Models for Personality Recognition
Title（参考訳）: パーソナリティ認識のための機械学習モデルの利用
Authors: Fatemeh Mohades Deilami, Hossein Sadr, Mojdeh Nazari
Abstract要約: 個性は行動、感情、動機、思考の組み合わせと定義できる。本稿では,テキストから人格認識を行うための深層学習手法を提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Personality can be defined as the combination of behavior, emotion, motivation, and thoughts that aim at describing various aspects of human behavior based on a few stable and measurable characteristics. Considering the fact that our personality has a remarkable influence in our daily life, automatic recognition of a person's personality attributes can provide many essential practical applications in various aspects of cognitive science. deep learning based method for the task of personality recognition from text is proposed in this paper. Among various deep neural networks, Convolutional Neural Networks (CNN) have demonstrated profound efficiency in natural language processing and especially personality detection. Owing to the fact that various filter sizes in CNN may influence its performance, we decided to combine CNN with AdaBoost, a classical ensemble algorithm, to consider the possibility of using the contribution of various filter lengths and gasp their potential in the final classification via combining various classifiers with respective filter size using AdaBoost. Our proposed method was validated on the Essay dataset by conducting a series of experiments and the empirical results demonstrated the superiority of our proposed method compared to both machine learning and deep learning methods for the task of personality recognition.
Abstract（参考訳）: 性格は、人間の行動の様々な側面を、いくつかの安定的で測定可能な特徴に基づいて記述することを目的とした行動、感情、モチベーション、思考の組み合わせとして定義することができる。我々の性格が日常生活に顕著な影響を与えているという事実を考えると、人の性格特性の自動認識は認知科学の様々な側面において重要な実践的応用をもたらすことができる。本稿では,テキストからのパーソナリティ認識タスクのための深層学習に基づく手法を提案する。様々な深層ニューラルネットワークにおいて、畳み込みニューラルネットワーク(cnn)は自然言語処理、特にパーソナリティ検出において多大な効率を示した。 cnnにおける様々なフィルタサイズがその性能に影響を与える可能性があるため、cnnと古典的なアンサンブルアルゴリズムであるadaboostを組み合わせることで、様々なフィルタ長の寄与を考慮し、様々な分類器とそれぞれのフィルタサイズをadaboostを用いて組み合わせて最終分類においてそれらのポテンシャルをガスプする可能性を検討することにした。提案手法は,エッセイデータセット上で一連の実験を行い,その実験結果から,人格認識の課題に対する機械学習と深層学習の両方と比較して,提案手法の優位性を実証した。

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)
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)
Learning Person-specific Network Representation for Apparent Personality Traits Recognition [3.19935268158731]
本稿では,まず個人固有のネットワークを訓練するパーソナリティ認識手法を提案する。次に、対象の人格表現として、人称特化ネットワークの重みをグラフ表現にエンコードする。実験結果から,我々の新しいネットワーク重みに基づくアプローチは,従来の潜在機能ベースアプローチよりも優れた性能を示した。
論文参考訳（メタデータ） (2023-03-01T06:10:39Z)
High-Accuracy Machine Learning Techniques for Functional Connectome Fingerprinting and Cognitive State Decoding [0.0]
本研究は、認知的要求タスクに基づく、個人の脳の指紋と認知状態に関する最近の研究に基づいている。提案手法は、fMRIスキャンの被検体の識別と、前例のない被検体の認知状態の分類の両方において、最大99%の精度を達成している。
論文参考訳（メタデータ） (2022-11-14T16:41:51Z)
Initial Study into Application of Feature Density and Linguistically-backed Embedding to Improve Machine Learning-based Cyberbullying Detection [54.83707803301847]
この研究は、自動サイバーバブル検出に関するKaggleコンペティションで提供されたFormspringデータセットで実施された。本研究は,サイバブリング検出におけるニューラルネットワークの有効性と分類器性能と特徴密度の相関性を確認した。
論文参考訳（メタデータ） (2022-06-04T03:17:15Z)
EEGminer: Discovering Interpretable Features of Brain Activity with Learnable Filters [72.19032452642728]
本稿では,学習可能なフィルタと事前決定された特徴抽出モジュールからなる新しい識別可能なEEGデコーディングパイプラインを提案する。我々は,SEEDデータセットおよび前例のない大きさの新たな脳波データセット上で,脳波信号からの感情認識に向けたモデルの有用性を実証する。発見された特徴は、以前の神経科学の研究と一致し、音楽聴取中の左右の時間領域間の機能的接続プロファイルの顕著な相違など、新たな洞察を提供する。
論文参考訳（メタデータ） (2021-10-19T14:22:04Z)
Preliminary study on using vector quantization latent spaces for TTS/VC systems with consistent performance [55.10864476206503]
本稿では,潜在言語埋め込みをモデル化するための量子化ベクトルの利用について検討する。トレーニングにおいて、潜伏空間上の異なるポリシーを強制することにより、潜伏言語埋め込みを得ることができる。実験の結果,ベクトル量子化法で構築した音声クローニングシステムは,知覚的評価の点でわずかに劣化していることがわかった。
論文参考訳（メタデータ） (2021-06-25T07:51:35Z)
CogAlign: Learning to Align Textual Neural Representations to Cognitive Language Processing Signals [60.921888445317705]
自然言語処理モデルに認知言語処理信号を統合するためのCogAlignアプローチを提案する。我々は、CogAlignが、パブリックデータセット上の最先端モデルよりも、複数の認知機能で大幅な改善を実現していることを示す。
論文参考訳（メタデータ） (2021-06-10T07:10:25Z)
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)
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)

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。