論文の概要: Knowledge Graph-Enabled Text-Based Automatic Personality Prediction
- arxiv url: http://arxiv.org/abs/2203.09103v1
- Date: Thu, 17 Mar 2022 06:01:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-18 13:03:03.935097
- Title: Knowledge Graph-Enabled Text-Based Automatic Personality Prediction
- Title（参考訳）: 知識グラフ付きテキストベース自動パーソナリティ予測
- Authors: Majid Ramezani and Mohammad-Reza Feizi-Derakhshi and Mohammad-Ali
Balafar
- Abstract要約: テキストベースの自動パーソナリティ予測(APP)は、生成/交換されたテキストコンテンツに基づいて個人個人のパーソナリティを自動予測する。
本稿では,ビッグファイブの人格特性に依存するテキストベースのAPPに対して,知識グラフを利用した新しいアプローチを提案する。
- 参考スコア（独自算出の注目度）: 8.357801312689622
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: How people think, feel, and behave, primarily is a representation of their
personality characteristics. By being conscious of personality characteristics
of individuals whom we are dealing with or decided to deal with, one can
competently ameliorate the relationship, regardless of its type. With the rise
of Internet-based communication infrastructures (social networks, forums,
etc.), a considerable amount of human communications take place there. The most
prominent tool in such communications, is the language in written and spoken
form that adroitly encodes all those essential personality characteristics of
individuals. Text-based Automatic Personality Prediction (APP) is the automated
forecasting of the personality of individuals based on the generated/exchanged
text contents. This paper presents a novel knowledge graph-enabled approach to
text-based APP that relies on the Big Five personality traits. To this end,
given a text a knowledge graph which is a set of interlinked descriptions of
concepts, was built through matching the input text's concepts with DBpedia
knowledge base entries. Then, due to achieving more powerful representation the
graph was enriched with the DBpedia ontology, NRC Emotion Intensity Lexicon,
and MRC psycholinguistic database information. Afterwards, the knowledge graph
which is now a knowledgeable alternative for the input text was embedded to
yield an embedding matrix. Finally, to perform personality predictions the
resulting embedding matrix was fed to four suggested deep learning models
independently, which are based on convolutional neural network (CNN), simple
recurrent neural network (RNN), long short term memory (LSTM) and bidirectional
long short term memory (BiLSTM). The results indicated a considerable
improvements in prediction accuracies in all of the suggested classifiers.
- Abstract（参考訳）: 人々がどう考えるか、感じるか、振舞うかは、主に人格の特徴を表現することである。
私たちが扱っている、あるいは扱おうと決めた個人の性格特性を意識することで、その種類に関係なく、その関係を巧みに改善することができる。
インターネットベースのコミュニケーション基盤(ソーシャルネットワーク、フォーラムなど)の台頭に伴い、人間によるコミュニケーションがかなりの量行われている。
このようなコミュニケーションにおける最も顕著な道具は、個人の本質的な性格特性を巧みにエンコードする書き言葉と話し言葉による言語である。
テキストベースの自動パーソナリティ予測(APP)は、生成/交換されたテキストコンテンツに基づいて個人個人のパーソナリティを自動予測する。
本稿では,テキストベースのアプリケーションに対して,5つの大きなパーソナリティ特性に依存する新しい知識グラフ対応アプローチを提案する。
この目的のために、入力テキストの概念とDBpedia知識ベースエントリをマッチングすることにより、概念の相互リンク記述の集合である知識グラフをテキストとして構築した。
そして、より強力な表現を達成するために、グラフはdbpediaオントロジー、nrc感情強度レキシコン、mrc精神言語学データベース情報で豊かになった。
その後、入力テキストの知識可能な代替となる知識グラフが埋め込まれ、埋め込み行列が生成される。
最後に、人格予測を行うために、結果として得られる埋め込み行列を、畳み込みニューラルネットワーク(CNN)、単純なリカレントニューラルネットワーク(RNN)、長期記憶(LSTM)、双方向長期記憶(BiLSTM)に基づく4つの深層学習モデルに独立して供給した。
その結果,提案したすべての分類器の予測精度は有意に向上した。
関連論文リスト
- PLIP: Language-Image Pre-training for Person Representation Learning [51.348303233290025]
個人表現学習のための新しい言語画像事前学習フレームワークPLIPを提案する。
このフレームワークを実装するために,SynTH-PEDESという画像テキストペアを用いた大規模人物データセットを構築した。
PLIPはこれらのタスクの既存のメソッドを大幅に改善するだけでなく、ゼロショットやドメインの一般化設定でも優れた機能を示している。
論文 参考訳（メタデータ） (2023-05-15T06:49:00Z) - Neural networks for learning personality traits from natural language [0.0]
この論文プロジェクトは、非常に実験的であり、その背景にある動機は、そのトピックに関する詳細な分析を提示することである。
出発点は、心理学文献が5つの主要な性格特性(Big Five)のマーカーとして定義する形容詞の辞書である。
私たちは2013年にTomas Mikolov氏が発明した分散アルゴリズムのクラスを使用します。
論文 参考訳（メタデータ） (2023-02-23T10:33:40Z) - Text-Based Automatic Personality Prediction Using KGrAt-Net; A Knowledge
Graph Attention Network Classifier [8.357801312689622]
KGrAt-Netは、自動パーソナリティ予測(APP)を行う知識グラフアテンションネットワークである。
その結果,KGrAt-Netは人格予測精度を大幅に改善した。
論文 参考訳（メタデータ） (2022-05-27T06:33:09Z) - Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic
Communication [85.06664206117088]
6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。
観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。
GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
論文 参考訳（メタデータ） (2022-05-22T07:11:57Z) - Natural Language Descriptions of Deep Visual Features [50.270035018478666]
オープンエンド,コンポジション,自然言語による記述で自動的にニューロンをラベル付けする手法を提案する。
我々はMILANを用いて、視覚モデルにおける属性、カテゴリ、関係情報を選択的に選択したニューロンの分布と重要性を特徴付ける。
また、これらの特徴を曖昧にすることを目的としたデータセットでトレーニングされたモデルにおいて、人種や性別といった保護されたカテゴリに敏感な、監査用のMILANも使用しています。
論文 参考訳（メタデータ） (2022-01-26T18:48:02Z) - Open Vocabulary Electroencephalography-To-Text Decoding and Zero-shot
Sentiment Classification [78.120927891455]
最先端のブレイン・トゥ・テキストシステムは、ニューラルネットワークを使用して脳信号から直接言語を復号することに成功した。
本稿では,自然読解課題における語彙的脳波(EEG)-テキスト列列列復号化とゼロショット文感性分類に問題を拡張する。
脳波-テキストデコーディングで40.1%のBLEU-1スコア、ゼロショット脳波に基づく3次感情分類で55.6%のF1スコアを達成し、教師付きベースラインを著しく上回る結果となった。
論文 参考訳（メタデータ） (2021-12-05T21:57:22Z) - Exploring Personality and Online Social Engagement: An Investigation of
MBTI Users on Twitter [0.0]
自称マイアーズ・ブリッグス性格特性(MBTI)を用いたTwitterのプロフィール3848件について検討する。
我々は、ディープラーニングに基づく最先端のNLPアーキテクチャであるBERTを利用して、タスクに最も予測力を持つさまざまなテキストソースを分析します。
MBTIシステムの全次元に対して, 伝記, ステータス, お気に入りツイートが有意な予測力を持っていることがわかった。
論文 参考訳（メタデータ） (2021-09-14T02:26:30Z) - GraphFormers: GNN-nested Transformers for Representation Learning on
Textual Graph [53.70520466556453]
階層的にGNNコンポーネントを言語モデルのトランスフォーマーブロックと一緒にネストするGraphFormerを提案する。
提案したアーキテクチャでは、テキストエンコーディングとグラフ集約を反復的なワークフローに融合する。
さらに、プログレッシブ・ラーニング・ストラテジーを導入し、そのモデルが操作されたデータと元のデータに基づいて連続的に訓練され、グラフ上の情報を統合する能力を強化する。
論文 参考訳（メタデータ） (2021-05-06T12:20:41Z) - Knowledge-Enhanced Personalized Review Generation with Capsule Graph
Neural Network [81.81662828017517]
カプセルグラフニューラルネットワークを用いた知識強調型PRGモデル(Caps-GNN)を提案する。
我々の生成プロセスは、アスペクトシーケンス生成と文生成という2つの大きなステップを含む。
組み込まれた知識グラフは、アスペクトレベルとワードレベルの両方でユーザの好みを高めることができる。
論文 参考訳（メタデータ） (2020-10-04T03:54:40Z) - Personality Trait Detection Using Bagged SVM over BERT Word Embedding
Ensembles [10.425280599592865]
本稿では,テキストからの人格自動検出のための新しい深層学習手法を提案する。
我々は、自然言語理解における最先端技術、すなわちBERT言語モデルを活用して、文脈化された単語埋め込みを抽出する。
我々のモデルは、従来の最先端技術よりも1.04%優れており、同時に、トレーニングの計算効率も大幅に向上している。
論文 参考訳（メタデータ） (2020-10-03T09:25:51Z) - Automatic Personality Prediction; an Enhanced Method Using Ensemble
Modeling [9.175926602405543]
本研究の主な目的は,テキストから自動パーソナリティ予測の精度を高めることである。
我々は,用語頻度ベクトルベース,オントロジーベース,リッチセマンティック分析(LSA)ベース,深層学習ベース(BiLSTM)メソッドの5つの新しいAPP手法を提案する。
その結果,アンサンブルモデリングによりAPPの精度が向上することがわかった。
論文 参考訳（メタデータ） (2020-07-09T06:05:10Z)
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。