論文の概要: Dimensions of Interpersonal Dynamics in Text: Group Membership and
Fine-grained Interpersonal Emotion
- arxiv url: http://arxiv.org/abs/2209.06687v1
- Date: Wed, 14 Sep 2022 14:46:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-15 13:21:41.149557
- Title: Dimensions of Interpersonal Dynamics in Text: Group Membership and
Fine-grained Interpersonal Emotion
- Title(参考訳): テキストにおける対人ダイナミクスの次元:グループメンバーシップと微粒な対人感情
- Authors: Venkata S Govindarajan, Katherine Atwell, Barea Sinno, Malihe
Alikhani, David I. Beaver, Junyi Jessy Li
- Abstract要約: この研究は、NLPにおける偏見の研究を、特定の偏見の事例から、話者、テキスト、ターゲット、社会的ダイナミクスの関係をカプセル化したものへと再調整することを目的としている。
- 参考スコア(独自算出の注目度): 27.125210491924243
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ability of language to perpetuate inequality is most evident when
individuals refer to, or talk about, other individuals in their utterances.
While current studies of bias in NLP rely mainly on identifying hate speech or
bias towards a specific group, we believe we can reach a more subtle and
nuanced understanding of the interaction between bias and language use by
modeling the speaker, the text, and the target in the text. In this paper, we
introduce a dataset of 3033 English tweets by US Congress members annotated for
interpersonal emotion, and `found supervision' for interpersonal group
membership labels. We find that negative emotions such as anger and disgust are
used predominantly in out-group situations, and directed predominantly at
leaders of opposite parties. While humans can perform better than chance at
identifying interpersonal group membership given an utterance, neural models
perform much better; furthermore, a shared encoding between interpersonal group
membership and interpersonal perceived emotion enabled some performance gains
in the latter. This work aims to re-align the study of bias in NLP away from
specific instances of bias to one which encapsulates the relationship between
speaker, text, target and social dynamics. Data and code for this paper are
available at https://github.com/venkatasg/Interpersonal-Dynamics
- Abstract(参考訳): 言語が不平等を持続する能力は、個人が発話の中で他の個人を参照したり、話したりする際に最も明らかである。
現在NLPにおける偏見の研究は、主にヘイトスピーチや特定のグループに対する偏見の同定に頼っているが、話者、テキスト、テキストのターゲットをモデル化することで、偏見と言語使用の相互作用をより微妙に理解することができると考えている。
本稿では,米国議会議員が対人感情にアノテートした3033個の英語ツイートのデータセットと,対人グループメンバーラベルの'found supervisor'を提案する。
怒りや嫌悪感といった否定的な感情は主に集団外の状況で使われ、反対派のリーダーに主に向けられている。
人間は、発話によって対人グループメンバーシップを識別する機会よりも優れたパフォーマンスを発揮できる一方で、ニューラルモデルは、対人グループメンバーシップと対人認知感情との共有符号化により、後者のパフォーマンス向上を実現している。
この研究は、NLPにおける偏見の研究を、特定の偏見の事例から、話者、テキスト、ターゲット、社会的ダイナミクスの関係をカプセル化したものへと再調整することを目的としている。
本論文のデータとコードはhttps://github.com/venkatasg/interpersonal-dynamicsで利用可能である。
関連論文リスト
- Large Language Models Can Infer Psychological Dispositions of Social
Media Users [1.2277343096128712]
本研究では,デジタルフットプリントから個人の心理的沈着を推定する大規模言語モデルの可能性について検討した。
ゼロショット学習シナリオにおいて,GPT-3.5とGPT-4がユーザのFacebookステータス更新からビッグファイブの特徴を引き出す能力を評価する。
以上の結果から,性別や年齢に対する性格推定の偏りが示唆された。
論文 参考訳(メタデータ) (2023-09-13T01:27:48Z) - Effect of Attention and Self-Supervised Speech Embeddings on
Non-Semantic Speech Tasks [3.570593982494095]
我々は、より現実的な認識課題として、音声感情理解を考察する。
我々は,ComParEの多言語話者の豊富なデータセットと,その感情の「感情共有」や知覚の多言語回帰ターゲットを利用する。
以上の結果から,HuBERT-Largeの自己アテンションに基づく軽量シーケンスモデルでは,報告されたベースラインよりも4.6%向上していることがわかった。
論文 参考訳(メタデータ) (2023-08-28T07:11:27Z) - Counterfactual Probing for the Influence of Affect and Specificity on
Intergroup Bias [23.32083897119715]
2つの実用的特徴(特異性と影響)が異なるグループ間文脈で系統的に異なるかどうかを検討する。
予備分析では、グループ間関係ラベルによるツイートの特異性と影響の質素な相関を見出す。
論文 参考訳(メタデータ) (2023-05-25T18:19:39Z) - Comparing Biases and the Impact of Multilingual Training across Multiple
Languages [70.84047257764405]
ダウンストリーム感情分析タスクにおいて,イタリア語,中国語,英語,ヘブライ語,スペイン語のバイアス分析を行う。
我々は、既存の感情バイアスのテンプレートを、人種、宗教、国籍、性別の4つの属性で、イタリア語、中国語、ヘブライ語、スペイン語に適応させる。
以上の結果から,各言語の文化に支配的な集団の嗜好など,バイアス表現の類似性を明らかにした。
論文 参考訳(メタデータ) (2023-05-18T18:15:07Z) - Understanding How People Rate Their Conversations [73.17730062864314]
我々は、人々が会話エージェントとのインタラクションをどのように評価するかをよりよく理解するために研究を行う。
我々は、評価の変動を説明する変数として、同意性と外向性に焦点を当てる。
論文 参考訳(メタデータ) (2022-06-01T00:45:32Z) - CPED: A Large-Scale Chinese Personalized and Emotional Dialogue Dataset
for Conversational AI [48.67259855309959]
会話型AIのための既存のデータセットのほとんどは、人間の個性や感情を無視している。
CPEDは,中国における大規模パーソナライズされた感情対話データセットである。
CPEDには40のテレビ番組から392人の話者の12K以上の対話が含まれている。
論文 参考訳(メタデータ) (2022-05-29T17:45:12Z) - Empathic Conversations: A Multi-level Dataset of Contextualized
Conversations [24.54662089036839]
このデータセットは、パーソナリティ、感情、性格特性、および個人レベルの人口統計情報とともに、複数の形式で共感を示す最初のものである。
人々は他者の共感に対する認識に違いがあり、これらの違いは人格や人口統計といった特定の特徴と関連している。
論文 参考訳(メタデータ) (2022-05-25T11:56:29Z) - Mental Disorders on Online Social Media Through the Lens of Language and
Behaviour: Analysis and Visualisation [7.133136338850781]
本研究では,精神疾患に罹患したソーシャルメディア利用者を特徴づけ,識別する要因について検討する。
副詞や動詞の時制,話題固有の語彙など,機能語の使用に有意な差異が認められた。
マイクロブログプラットフォーム上での言語使用が、精神疾患を持つユーザにとって区別しにくいことを示す証拠が見つかっている。
論文 参考訳(メタデータ) (2022-02-07T15:29:01Z) - Revealing Persona Biases in Dialogue Systems [64.96908171646808]
対話システムにおけるペルソナバイアスに関する最初の大規模研究について述べる。
我々は、異なる社会階級、性的指向、人種、性別のペルソナの分析を行う。
BlenderおよびDialoGPT対話システムの研究では、ペルソナの選択が生成された応答の害の程度に影響を与える可能性があることを示しています。
論文 参考訳(メタデータ) (2021-04-18T05:44:41Z) - Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset
for Personality Assessment [50.15466026089435]
本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。
参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。
データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
論文 参考訳(メタデータ) (2020-08-31T17:44:28Z) - Annotation of Emotion Carriers in Personal Narratives [69.07034604580214]
我々は、個人的物語(PN) - 話されたり書かれたり - 事実、出来事、思考の記憶 - を理解する問題に興味を持っている。
PNでは、感情担体(英: emotion carriers)は、ユーザの感情状態を最もよく説明する音声またはテキストセグメントである。
本研究は,音声対話における感情担持者を特定するためのアノテーションモデルを提案し,評価する。
論文 参考訳(メタデータ) (2020-02-27T15:42:39Z)
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。