論文の概要: Learning affective meanings that derives the social behavior using Bidirectional Encoder Representations from Transformers

• arxiv url: http://arxiv.org/abs/2202.00065v1
• Date: Mon, 31 Jan 2022 19:58:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-02 14:46:46.215726
• Title: Learning affective meanings that derives the social behavior using Bidirectional Encoder Representations from Transformers
• Title（参考訳）: トランスフォーマからの双方向エンコーダ表現を用いた社会的行動の学習
• Authors: Moeen Mostafavi, Michael D. Porter, Dawn T. Robinson
• Abstract要約: Affect Control Theory (ACT)は、潜在的な相互作用を示すために感情を使用する。 モデルは感情的意味を推定する際に最先端の精度を達成する。
• 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: Predicting the outcome of a process requires modeling the system dynamic and observing the states. In the context of social behaviors, sentiments characterize the states of the system. Affect Control Theory (ACT) uses sentiments to manifest potential interaction. ACT is a generative theory of culture and behavior based on a three-dimensional sentiment lexicon. Traditionally, the sentiments are quantified using survey data which is fed into a regression model to explain social behavior. The lexicons used in the survey are limited due to prohibitive cost. This paper uses a fine-tuned Bidirectional Encoder Representations from Transformers (BERT) model to develop a replacement for these surveys. This model achieves state-of-the-art accuracy in estimating affective meanings, expanding the affective lexicon, and allowing more behaviors to be explained.
• Abstract（参考訳）: プロセスの結果を予測するには、システムを動的にモデル化し、状態を観察する必要がある。 社会的行動の文脈において、感情はシステムの状態を特徴づける。 affect control theory (act) は潜在的な相互作用を示すために感情を用いる。 ACTは3次元の感情辞書に基づく文化と行動の生成理論である。 伝統的に、感情は社会的行動を説明するために回帰モデルに入力される調査データを用いて定量化される。 調査で使用されるレキシコンは禁止費用のために制限されている。 本稿では,変換器(BERT)モデルを用いた微調整双方向エンコーダ表現を用いて,これらのサーベイを代替する手法を提案する。 このモデルは、感情的意味を推定し、感情的語彙を拡張し、より多くの振る舞いを説明できるように、最先端の精度を達成する。

関連論文リスト

• Mechanistic Interpretability of Emotion Inference in Large Language Models [16.42503362001602]
  感情表現は大規模言語モデルにおいて特定の領域に機能的に局所化されていることを示す。 我々は,環境刺激の評価から感情が出現することを示すための認知的評価理論を導いた。 この研究は、因果的に介入し、感情的なテキスト生成を正確に形作る新しい方法を強調している。
  論文  参考訳（メタデータ） (2025-02-08T08:11:37Z)
• Diffusion-Based Imitation Learning for Social Pose Generation [0.0]
  ロボットや仮想エージェントのような知的なエージェントは、人間と対話する複雑な社会的相互作用のダイナミクスを理解する必要がある。 我々は、社会的相互作用における複数の個人の単一のモダリティ、ポーズ行動を用いて、その相互作用のファシリテータのための非言語的社会的手がかりを生成する方法について検討する。
  論文  参考訳（メタデータ） (2025-01-18T20:31:55Z)
• Probing the contents of semantic representations from text, behavior, and brain data using the psychNorms metabase [0.0]
  テキスト,行動,脳データから得られた意味表現の類似性と相違について検討した。 我々は、人間の表現や行動を把握するためのテキストの重要な補完として行動を確立する。
  論文  参考訳（メタデータ） (2024-12-06T10:44:20Z)
• Representation Surgery: Theory and Practice of Affine Steering [72.61363182652853]
  言語モデルは、しばしば好ましくない振る舞いを示す。 モデルが望ましくない振る舞いを示すのを防ぐための自然な(そして一般的な)アプローチの1つは、モデルの表現を操ることである。 本稿では, ステアリング機能の形式的および経験的特性について検討する。
  論文  参考訳（メタデータ） (2024-02-15T00:20:30Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Emotion-Oriented Behavior Model Using Deep Learning [0.9176056742068812]
  感情に基づく行動予測の精度は2尾のピアソン相関を用いて統計的に検証される。 本研究は,感情指向行動に基づく多面的人工エージェントインタラクションの基盤となる。
  論文  参考訳（メタデータ） (2023-10-28T17:27:59Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• Interpretable Imitation Learning with Dynamic Causal Relations [65.18456572421702]
  得られた知識を有向非巡回因果グラフの形で公開することを提案する。 また、この因果発見プロセスを状態依存的に設計し、潜在因果グラフのダイナミクスをモデル化する。 提案するフレームワークは,動的因果探索モジュール,因果符号化モジュール,予測モジュールの3つの部分から構成され,エンドツーエンドで訓練される。
  論文  参考訳（メタデータ） (2023-09-30T20:59:42Z)
• Enhancing Cognitive Models of Emotions with Representation Learning [58.2386408470585]
  本稿では,きめ細かな感情の埋め込み表現を生成するための,新しいディープラーニングフレームワークを提案する。 本フレームワークは,コンテキスト型埋め込みエンコーダとマルチヘッド探索モデルを統合する。 本モデルは共感対話データセット上で評価され,32種類の感情を分類する最新結果を示す。
  論文  参考訳（メタデータ） (2021-04-20T16:55:15Z)
• Models we Can Trust: Toward a Systematic Discipline of (Agent-Based) Model Interpretation and Validation [0.0]
  我々は、モデルから情報を取り出すための相互作用の分野の開発を提唱する。 このような分野の発展に向けたいくつかの方向性を概説する。
  論文  参考訳（メタデータ） (2021-02-23T10:52:22Z)
• COSMO: Conditional SEQ2SEQ-based Mixture Model for Zero-Shot Commonsense Question Answering [50.65816570279115]
  社会的文脈の暗黙的な原因と影響の特定は、機械が常識的推論を実行できるようにする駆動能力である。 この領域における現在のアプローチには、目に見えない状況に直面して常識推論を行う能力がない。 本稿では,動的かつ多様なコンテンツ生成機能を備えた条件付きSEQ2SEQベースの混合モデル(COSMO)を提案する。
  論文  参考訳（メタデータ） (2020-11-02T07:08:19Z)

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。