論文の概要: Text-Based Automatic Personality Prediction Using KGrAt-Net; A Knowledge
Graph Attention Network Classifier
- arxiv url: http://arxiv.org/abs/2205.13780v1
- Date: Fri, 27 May 2022 06:33:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-30 12:54:03.033925
- Title: Text-Based Automatic Personality Prediction Using KGrAt-Net; A Knowledge
Graph Attention Network Classifier
- Title（参考訳）: 知識グラフ注意ネットワーク分類器KGrAt-Netを用いた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: 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。
- 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: Nowadays, a tremendous amount of human communications take place on the
Internet-based communication infrastructures, like social networks, email,
forums, organizational communication platforms, etc. Indeed, the automatic
prediction or assessment of individuals' personalities through their written or
exchanged text would be advantageous to ameliorate the relationships among
them. To this end, this paper aims to propose KGrAt-Net which is a Knowledge
Graph Attention Network text classifier. For the first time, it applies the
knowledge graph attention network to perform Automatic Personality Prediction
(APP), according to the Big Five personality traits. After performing some
preprocessing activities, first, it tries to acquire a knowingful
representation of the knowledge behind the concepts in the input text through
building its equivalent knowledge graph. A knowledge graph is a graph-based
data model that formally represents the semantics of the existing concepts in
the input text and models the knowledge behind them. Then, applying the
attention mechanism, it efforts to pay attention to the most relevant parts of
the graph to predict the personality traits of the input text. The results
demonstrated that KGrAt-Net considerably improved the personality prediction
accuracies. Furthermore, KGrAt-Net also uses the knowledge graphs' embeddings
to enrich the classification, which makes it even more accurate in APP.
- Abstract（参考訳）: 今日では、ソーシャルネットワーク、電子メール、フォーラム、組織的コミュニケーションプラットフォームなど、インターネットベースのコミュニケーション基盤上で、膨大な数のヒューマンコミュニケーションが行われています。
実際、文書または交換されたテキストを通じて個人の個性の自動予測や評価は、それらの関係を改善するのに有利である。
そこで本研究では,知識グラフ注意ネットワークのテキスト分類器であるKGrAt-Netを提案する。
ビッグファイブの性格特性によると、知識グラフ注意ネットワークを初めて適用し、自動パーソナリティ予測(APP)を行う。
いくつかの前処理アクティビティを実行した後、まず、等価な知識グラフを構築することにより、入力テキストの概念の背後にある知識を意識的に表現しようと試みる。
知識グラフは、入力テキスト内の既存の概念の意味を正式に表現し、その背景にある知識をモデル化するグラフベースのデータモデルである。
次に、注意機構を適用することで、グラフの最も関連性の高い部分に注意を払い、入力テキストのパーソナリティ特性を予測する。
その結果,KGrAt-Netは人格予測精度を大幅に改善した。
さらに、KGrAt-Netは知識グラフの埋め込みを使って分類を強化し、APPでさらに正確になる。
関連論文リスト
- ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。
提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。
実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
論文 参考訳（メタデータ） (2023-05-23T17:53:30Z) - CADGE: Context-Aware Dialogue Generation Enhanced with Graph-Structured
Knowledge Aggregation [21.331251731675668]
常識知識は多くの自然言語処理タスクに不可欠である。
既存の研究は通常、グラフ知識を従来のグラフニューラルネットワーク(GNN)に組み込む。
これらの異なる表現学習段階は、ニューラルネットワークが入力知識の両タイプに含まれる全体的な文脈を学習するのに最適であるかもしれない、と我々は主張する。
論文 参考訳（メタデータ） (2023-05-10T16:31:35Z) - Everything is Connected: Graph Neural Networks [0.0]
この短い調査は、グラフ表現学習の領域において、読者が重要な概念を同化できるようにすることを目的としている。
この短い調査の主な目的は、読者がその領域における重要な概念を同化させ、関連する分野との適切なコンテキストにおける位置グラフ表現学習を可能にすることである。
論文 参考訳（メタデータ） (2023-01-19T18:09:43Z) - State of the Art and Potentialities of Graph-level Learning [54.68482109186052]
グラフレベルの学習は、比較、回帰、分類など、多くのタスクに適用されている。
グラフの集合を学習する伝統的なアプローチは、サブストラクチャのような手作りの特徴に依存している。
ディープラーニングは、機能を自動的に抽出し、グラフを低次元表現に符号化することで、グラフレベルの学習をグラフの規模に適応させるのに役立っている。
論文 参考訳（メタデータ） (2023-01-14T09:15:49Z) - Evidential Temporal-aware Graph-based Social Event Detection via
Dempster-Shafer Theory [76.4580340399321]
ETGNN(Evidential Temporal-aware Graph Neural Network)を提案する。
ノードがテキストであり、エッジがそれぞれ複数の共有要素によって決定されるビュー固有グラフを構築する。
ビュー固有の不確実性を考慮すると、すべてのビューの表現は、明らかなディープラーニング(EDL)ニューラルネットワークを介してマス関数に変換される。
論文 参考訳（メタデータ） (2022-05-24T16:22:40Z) - Knowledge Graph-Enabled Text-Based Automatic Personality Prediction [8.357801312689622]
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。
論文 参考訳（メタデータ） (2022-03-17T06:01:45Z) - Conditional Attention Networks for Distilling Knowledge Graphs in
Recommendation [74.14009444678031]
本稿では,知識グラフをレコメンデーションシステムに組み込むために,知識対応コンディショナルアテンションネットワーク(KCAN)を提案する。
本研究では,まず,ユーザ・イテムネットワークとナレッジグラフのグローバルな意味的類似性を捉えるノード表現を得る。
そして,そのサブグラフに条件付きアテンションアグリゲーションを適用することで,その知識グラフを改良し,目標固有ノード表現を得る。
論文 参考訳（メタデータ） (2021-11-03T09:40:43Z) - Psycholinguistic Tripartite Graph Network for Personality Detection [9.620830488893098]
本稿では,心理学的知識に基づく三部グラフネットワークTrigNetを提案する。
このグラフネットワークは、精神言語分析のためのコンピュータ化された機器であるLIWCから構造的精神言語学の知識を注入する。
グラフ学習における計算コストを削減するため,近隣の相手間でのみメッセージを送信する新しいフローグラフアテンションネットワーク(GAT)を提案する。
論文 参考訳（メタデータ） (2021-06-09T10:18:50Z) - Exploiting Structured Knowledge in Text via Graph-Guided Representation
Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。
エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。
既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文 参考訳（メタデータ） (2020-04-29T14:22:42Z) - Graph Representation Learning via Graphical Mutual Information
Maximization [86.32278001019854]
本稿では,入力グラフとハイレベルな隠蔽表現との相関を測る新しい概念であるGMIを提案する。
我々は,グラフニューラルエンコーダの入力と出力の間でGMIを最大化することで訓練された教師なし学習モデルを開発する。
論文 参考訳（メタデータ） (2020-02-04T08:33:49Z) - Generative Adversarial Zero-Shot Relational Learning for Knowledge
Graphs [96.73259297063619]
我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。
新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。
我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
論文 参考訳（メタデータ） (2020-01-08T01:19:08Z)
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。