Fugu-MT 論文翻訳(概要): Personality Type Based on Myers-Briggs Type Indicator with Text Posting Style by using Traditional and Deep Learning

論文の概要: Personality Type Based on Myers-Briggs Type Indicator with Text Posting Style by using Traditional and Deep Learning

arxiv url: http://arxiv.org/abs/2201.08717v1
Date: Fri, 21 Jan 2022 14:34:20 GMT
ステータス: 処理完了
システム内更新日: 2022-01-24 16:36:04.337481
Title: Personality Type Based on Myers-Briggs Type Indicator with Text Posting Style by using Traditional and Deep Learning
Title（参考訳）: 伝統的・深層学習を用いたテキスト投稿スタイルのマイアーブラッグス型指標に基づくパーソナリティタイプ
Authors: Sakdipat Ontoum, Jonathan H. Chan
Abstract要約: 本研究は,Mers-Briggs Type Indicator (MBTI) を用いたテキストから人格を予測する機械学習手法を提案する。このプロジェクトでは、データマイニングのためのクロス産業標準プロセスであるCRISP-DMを用いて学習プロセスをガイドする。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: The term personality may be expressed in terms of the individual differences in characteristics pattern of thinking, feeling, and behavior. This work presents several machine learning techniques including Naive Bayes, Support Vector Machines, and Recurrent Neural Networks to predict people personality from text based on Myers-Briggs Type Indicator (MBTI). Furthermore, this project applies CRISP-DM, which stands for Cross-Industry Standard Process for Data Mining, to guide the learning process. Since, CRISP-DM is kind of iterative development, we have adopted it with agile methodology, which is a rapid iterative software development method, in order to reduce the development cycle to be minimal.
Abstract（参考訳）: パーソナリティという用語は、思考、感覚、行動の特徴パターンの個人差の観点から表現することができる。本稿では,マイアーズブリッグス型インジケータ(mbti)に基づくテキストから人格を予測するために,ナイーブベイ,サポートベクターマシン,リカレントニューラルネットワークなどの機械学習手法を提案する。さらに、このプロジェクトでは、データマイニングのためのクロス産業標準プロセスであるCRISP-DMを用いて学習プロセスをガイドする。 crisp-dmは反復型開発の一種なので,開発サイクルを最小限に抑えるために,迅速な反復型ソフトウェア開発手法であるアジャイル方法論を採用しています。

関連論文リスト

PsyDI: Towards a Personalized and Progressively In-depth Chatbot for Psychological Measurements [4.215144489966779]
PsyDIは、心理測定のための個人化された、そして、徐々に深いチャットボットである。 PsyDIは、ユーザ関連のマルチモーダル情報を使用し、カスタマイズされたマルチターンインタラクションを使用して、パーソナライズされ、容易にアクセス可能な計測を提供する。心理学的特徴に関連するプロキシ変数のランク付けを学習する新しいトレーニングパラダイムを導入する。スコアモデルにより、PsyDIはマルチターンインタラクションを通じて包括的で正確な測定を行うことができる。
論文参考訳（メタデータ） (2024-07-22T07:19:12Z)
Learning From Crowdsourced Noisy Labels: A Signal Processing Perspective [42.24248330317496]
本記事では,ノイズの多いクラウドソースラベルから学ぶことの進歩を紹介する。その焦点は、古典的な統計モデルから最近のディープラーニングベースのアプローチまで、主要なクラウドソーシングモデルとその方法論的治療である。特に、テンソルの識別可能性や非負行列分解など、信号処理(SP)理論と手法の関連性について概説する。
論文参考訳（メタデータ） (2024-07-09T14:34:40Z)
Machine Mindset: An MBTI Exploration of Large Language Models [28.2342069623478]
我々は,Mers-Briggs Type Indicator (MBTI)パーソナリティ特性を大規模言語モデル (LLM) に統合するための新しいアプローチを提案する。提案手法は,MBTI特性をLLMに埋め込むための2相微調整と直接選好最適化(DPO)を含む。
論文参考訳（メタデータ） (2023-12-20T12:59:31Z)
Generative Input: Towards Next-Generation Input Methods Paradigm [49.98958865125018]
我々はGeneInputという新しい生成入力パラダイムを提案する。すべての入力シナリオと他のインテリジェントな補助入力関数を処理するためにプロンプトを使用し、ユーザーフィードバックでモデルを最適化し、パーソナライズされた結果を提供する。その結果,FK2C(Full-mode Key-sequence to Characters)タスクにおいて,最先端のパフォーマンスを初めて達成したことを示す。
論文参考訳（メタデータ） (2023-11-02T12:01:29Z)
Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
論文参考訳（メタデータ） (2022-10-07T00:09:22Z)
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)
MEmoBERT: Pre-training Model with Prompt-based Learning for Multimodal Emotion Recognition [118.73025093045652]
マルチモーダル感情認識のための事前学習モデル textbfMEmoBERT を提案する。従来の「訓練前、微妙な」パラダイムとは異なり、下流の感情分類タスクをマスク付きテキスト予測として再構成するプロンプトベースの手法を提案する。提案するMEMOBERTは感情認識性能を大幅に向上させる。
論文参考訳（メタデータ） (2021-10-27T09:57:00Z)
Two-Faced Humans on Twitter and Facebook: Harvesting Social Multimedia for Human Personality Profiling [74.83957286553924]
我々は、"PERS"と呼ばれる新しい多視点融合フレームワークを適用して、マイアーズ・ブリッグス・パーソナリティ・タイプインジケータを推定する。実験の結果,多視点データからパーソナリティ・プロファイリングを学習する能力は,多様なソーシャル・マルチメディア・ソースからやってくるデータを効率的に活用できることが示唆された。
論文参考訳（メタデータ） (2021-06-20T10:48:49Z)
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)
MPLP: Learning a Message Passing Learning Protocol [63.948465205530916]
人工ニューラルネットワークの重みを学習する新しい手法として,メッセージパッシング学習プロトコル(MPLP)を提案する。 ANNで発生したすべての操作を独立したエージェントとして抽象化する。各エージェントは、他のエージェントからやってくる多次元メッセージを取り込み、内部状態を更新し、近隣エージェントに渡される多次元メッセージを生成する責任がある。
論文参考訳（メタデータ） (2020-07-02T09:03:14Z)
Prototypical Contrastive Learning of Unsupervised Representations [171.3046900127166]
原型コントラスト学習(Prototypeal Contrastive Learning, PCL)は、教師なし表現学習法である。 PCLは暗黙的にデータのセマンティック構造を学習された埋め込み空間にエンコードする。 PCLは、複数のベンチマークで最先端のインスタンスワイド・コントラスト学習法より優れている。
論文参考訳（メタデータ） (2020-05-11T09:53:36Z)

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。