論文の概要: Identifying Moments of Change from Longitudinal User Text
- arxiv url: http://arxiv.org/abs/2205.05593v1
- Date: Wed, 11 May 2022 16:03:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-12 20:51:09.602267
- Title: Identifying Moments of Change from Longitudinal User Text
- Title（参考訳）: 縦長ユーザテキストから変化のモーメントを識別する
- Authors: Adam Tsakalidis, Federico Nanni, Anthony Hills, Jenny Chim, Jiayu
Song, Maria Liakata
- Abstract要約: オンラインでの共有コンテンツに基づいて個人の変化の瞬間を識別するタスクを新たに定義する。
私たちが考える変化は、突然の気分の変化(スイッチ)または段階的な気分の進行(エスカレーション)である。
変更の瞬間をキャプチャするための詳細なガイドラインと、手動で注釈付けされたユーザタイムライン500のコーパスを作成しました。
- 参考スコア（独自算出の注目度）: 16.45577617206016
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Identifying changes in individuals' behaviour and mood, as observed via
content shared on online platforms, is increasingly gaining importance. Most
research to-date on this topic focuses on either: (a) identifying individuals
at risk or with a certain mental health condition given a batch of posts or (b)
providing equivalent labels at the post level. A disadvantage of such work is
the lack of a strong temporal component and the inability to make longitudinal
assessments following an individual's trajectory and allowing timely
interventions. Here we define a new task, that of identifying moments of change
in individuals on the basis of their shared content online. The changes we
consider are sudden shifts in mood (switches) or gradual mood progression
(escalations). We have created detailed guidelines for capturing moments of
change and a corpus of 500 manually annotated user timelines (18.7K posts). We
have developed a variety of baseline models drawing inspiration from related
tasks and show that the best performance is obtained through context aware
sequential modelling. We also introduce new metrics for capturing rare events
in temporal windows.
- Abstract（参考訳）: オンラインプラットフォームで共有されているコンテンツを通じて観察される個人の行動やムードの変化の特定がますます重要になっている。
この話題に関する最新の研究は、どちらにも焦点を当てている。
(a)リスクのある個人、又は複数の役職が与えられた特定の精神状態のある個人を識別すること
(b)ポストレベルで同等のラベルを提供する。
そのような作業の欠点は、強い時間的要素の欠如と、個人の軌道に沿って縦断的な評価を行えず、タイムリーな介入を可能にすることである。
ここでは、オンラインで共有されたコンテンツに基づいて個人の変化の瞬間を特定する新しいタスクを定義する。
私たちが考える変化は、突然の気分の変化(スイッチ)または段階的な気分の進行(エスカレーション)です。
変更の瞬間をキャプチャするための詳細なガイドラインと、手動で注釈付きユーザタイムライン(18.7Kの投稿)500のコーパスを作成しました。
我々は、関連するタスクからインスピレーションを得た様々なベースラインモデルを開発し、文脈を考慮した逐次モデリングによって最高のパフォーマンスが得られることを示す。
また,時間窓のレアイベントをキャプチャする新たなメトリクスも導入する。
関連論文リスト
- CSTA: Spatial-Temporal Causal Adaptive Learning for Exemplar-Free Video Class-Incremental Learning [62.69917996026769]
クラスインクリメンタルな学習課題は、空間的外観と時間的行動の関与の両方を学習し、保存することを必要とする。
本稿では,各クラス固有のインクリメンタル情報要件を調整し,新しいクラスパターンを学習するためのアダプタを分離するフレームワークを提案する。
異なる種類の情報間のインクリメントと記憶の衝突を減らすために,因果補償機構を提案する。
論文 参考訳（メタデータ） (2025-01-13T11:34:55Z) - Analyzing the Evolution of Graphs and Texts [4.873362301533825]
論文は、グラフのダイナミクスを効率的にモデル化し、テキストの変化を理解することを目的としている。
我々は、パーソナライズされたPageRankアルゴリズムを用いて、グラフの進化に有効な動的ネットワーク埋め込みを作成する。
論文 参考訳（メタデータ） (2024-11-09T21:39:41Z) - MTP: A Dataset for Multi-Modal Turning Points in Casual Conversations [30.9157728847139]
感情的なアウトバーストや会話中の意思決定の変化といった重要な瞬間は、人間の行動とその結果の変化を理解するために不可欠である。
我々の研究は、これらの瞬間をターンポイント(TP)として焦点をあてた、新しい問題設定を導入する。
我々は,これらの転換点における感情,行動,視点,決定の光度の高い変化について,正確なタイムスタンプ,説明,および視覚的テキスト的証拠を提供する。
また,現状の視覚言語モデルを用いて,映像や大規模言語モデルから物語を構築し,回転点の分類と検出を行うフレームワークTP Mavenを提案する。
論文 参考訳（メタデータ） (2024-09-23T08:26:08Z) - A Systematic Analysis on the Temporal Generalization of Language Models in Social Media [12.035331011654078]
本稿では,ソーシャルメディア,特にTwitterの時間的変化に注目した。
本研究では,言語モデル(LM)の性能を時間的シフトで評価するための統一評価手法を提案する。
論文 参考訳（メタデータ） (2024-05-15T05:41:06Z) - Instilling Multi-round Thinking to Text-guided Image Generation [72.2032630115201]
シングルラウンド世代は、特に靴やスリーブのようなきめ細かい変更の領域において、重要な詳細を見落としていることが多い。
既存の手法と互換性のある,新たな自己監督型正規化,すなわちマルチラウンド正規化を導入する。
修正順序が最終結果に概して影響を与えないという観察に基づいている。
論文 参考訳（メタデータ） (2024-01-16T16:19:58Z) - Editing Personality for Large Language Models [73.59001811199823]
本稿では,Large Language Models (LLMs) の性格特性の編集に焦点をあてた革新的なタスクを紹介する。
このタスクに対処する新しいベンチマークデータセットであるPersonalityEditを構築します。
論文 参考訳（メタデータ） (2023-10-03T16:02:36Z) - Learning signatures of decision making from many individuals playing the
same game [54.33783158658077]
我々は、個人の「行動スタイル」を符号化する表現を学習する予測フレームワークを設計する。
我々は,3本腕のバンディットタスクを行う1,000人の人間による大規模行動データセットに本手法を適用した。
論文 参考訳（メタデータ） (2023-02-21T21:41:53Z) - Learning to Exploit Temporal Structure for Biomedical Vision-Language
Processing [53.89917396428747]
視覚言語処理における自己教師あり学習は、画像とテキストのモダリティのセマンティックアライメントを利用する。
トレーニングと微調整の両方で利用できる場合、事前のイメージとレポートを明示的に説明します。
我々のアプローチはBioViL-Tと呼ばれ、テキストモデルと共同で訓練されたCNN-Transformerハイブリッドマルチイメージエンコーダを使用する。
論文 参考訳（メタデータ） (2023-01-11T16:35:33Z) - Time-Varying Propensity Score to Bridge the Gap between the Past and Present [104.46387765330142]
本稿では,データ分布の段階的変化を検出するための時間変化確率スコアを提案する。
実装のさまざまな方法を示し、さまざまな問題について評価する。
論文 参考訳（メタデータ） (2022-10-04T07:21:49Z) - Efficient Modelling Across Time of Human Actions and Interactions [92.39082696657874]
3つの畳み込みニューラルネットワーク(CNND)における現在の固定サイズの時間的カーネルは、入力の時間的変動に対処するために改善できると主張している。
我々は、アーキテクチャの異なるレイヤにまたがる機能の違いを強化することで、アクションのクラス間でどのようにうまく対処できるかを研究する。
提案手法は、いくつかのベンチマークアクション認識データセットで評価され、競合する結果を示す。
論文 参考訳（メタデータ） (2021-10-05T15:39:11Z) - Bursts of Activity: Temporal Patterns of Help-Seeking and Support in
Online Mental Health Forums [6.662800021628275]
ソーシャルメディアプラットフォーム上でのユーザ活動は,アクティビティのないインターリーブ期間と高いアクティビティ期間の明確なパターンに従うことを示す。
次に、バースト中の学習活動が、オンラインメンタルヘルスコミュニティにおいて重要な疑問に対して、パーソナライズされた中長期的な分析を提供する方法を示す。
2つの独立した結果指標、認知的変化の瞬間、活動のバースト中の気分の変化を自己報告し、ユーザにとって結果を改善する2つの実行可能な特徴を特定した。
論文 参考訳（メタデータ） (2020-04-21T22:39:38Z) - Representation Learning on Variable Length and Incomplete
Wearable-Sensory Time Series [29.061466414756925]
HeartSpaceは、時系列エンコーディングモジュールとパターン集約ネットワークを統合して、可変長および欠落値の時系列データをエンコードする。
HeartSpaceはシームズ・トリップレットネットワークを実装し、シリーズ内およびシリーズ間相関を共同でキャプチャすることで表現を最適化する。
2つの異なる実世界のデータに対する実証的な評価は、様々なアプリケーションにおいて、最先端のベースラインよりも顕著なパフォーマンス向上を示す。
論文 参考訳（メタデータ） (2020-02-10T08:20:44Z)
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。