論文の概要: Neural networks for learning personality traits from natural language
- arxiv url: http://arxiv.org/abs/2302.13782v1
- Date: Thu, 23 Feb 2023 10:33:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-28 15:28:29.330316
- Title: Neural networks for learning personality traits from natural language
- Title(参考訳): 自然言語から人格の特徴を学習するニューラルネットワーク
- Authors: Giorgia Adorni
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Personality is considered one of the most influential research topics in
psychology, as it predicts many consequential outcomes such as mental and
physical health and explains human behaviour. With the widespread use of social
networks as a means of communication, it is becoming increasingly important to
develop models that can automatically and accurately read the essence of
individuals based solely on their writing. In particular, the convergence of
social and computer sciences has led researchers to develop automatic
approaches for extracting and studying "hidden" information in textual data on
the internet. The nature of this thesis project is highly experimental, and the
motivation behind this work is to present detailed analyses on the topic, as
currently there are no significant investigations of this kind. The objective
is to identify an adequate semantic space that allows for defining the
personality of the object to which a certain text refers. The starting point is
a dictionary of adjectives that psychological literature defines as markers of
the five major personality traits, or Big Five. In this work, we started with
the implementation of fully-connected neural networks as a basis for
understanding how simple deep learning models can provide information on hidden
personality characteristics. Finally, we use a class of distributional
algorithms invented in 2013 by Tomas Mikolov, which consists of using a
convolutional neural network that learns the contexts of words in an
unsupervised way. In this way, we construct an embedding that contains the
semantic information on the text, obtaining a kind of "geometry of meaning" in
which concepts are translated into linear relationships. With this last
experiment, we hypothesize that an individual writing style is largely coupled
with their personality traits.
- Abstract(参考訳): パーソナリティは心理学において最も影響力のある研究トピックの1つと考えられており、精神や身体の健康など多くの連続した結果を予測し、人間の行動を説明する。
コミュニケーション手段としてソーシャルネットワークが広く使われるようになるにつれて、個人の本質を文章のみに基づいて自動的かつ正確に読むことができるモデルの開発がますます重要になっている。
特に、社会科学とコンピュータ科学の融合により、研究者はインターネット上のテキストデータから「隠された」情報を抽出し研究するための自動アプローチを開発するようになった。
この論文プロジェクトの性質は極めて実験的であり,本研究の背後にある動機は,本研究について詳細な分析を行うことである。
目的は、あるテキストが参照する対象の個性を定義することができる適切な意味空間を特定することである。
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。
本研究では,隠れた人格の特徴をいかに簡単に学習できるかを理解するため,完全接続型ニューラルネットワークの実装に着手した。
最後に,2013年にトマス・ミコロフによって考案された分布アルゴリズムを用いて,教師なしの方法で単語の文脈を学習する畳み込みニューラルネットワークを用いた。
このようにして、テキスト上の意味情報を含む埋め込みを構築し、概念を線形関係に変換する「意味の幾何学」の一種を得る。
この最後の実験では、個々の筆記スタイルが性格の特徴と大きく結びついていると仮定する。
関連論文リスト
- Big5PersonalityEssays: Introducing a Novel Synthetic Generated Dataset Consisting of Short State-of-Consciousness Essays Annotated Based on the Five Factor Model of Personality [0.0]
心理学は、近年、新しい計算ツールを使って、不十分なアプローチをしてきた。
本研究では,人格特性の5因子モデル(FFM)に基づいてラベル付けされた短いエッセイの合成データベースを提案する。
論文 参考訳(メタデータ) (2024-05-22T10:10:20Z) - A Tutorial on the Pretrain-Finetune Paradigm for Natural Language Processing [2.7038841665524846]
Pretrain-finetune パラダイムは、テキスト分析と自然言語処理における変換的アプローチを表している。
このチュートリアルは、プレトレイン-ファインチューンパラダイムの包括的な紹介を提供する。
論文 参考訳(メタデータ) (2024-03-04T21:51:11Z) - 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) - Investigating Stylistic Profiles for the Task of Empathy Classification
in Medical Narrative Essays [0.0]
構築文法(CxG)と体系関数文法(SFG)理論の様々な側面を深層学習計算フレームワークに導入し,共感言語をモデル化する。
当社のコーパスは,患者と医師の相互作用を模擬した440のエッセイから成り立っている。
論文 参考訳(メタデータ) (2023-02-03T16:30:09Z) - 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) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳(メタデータ) (2022-03-03T17:19:12Z) - Emergence of Machine Language: Towards Symbolic Intelligence with Neural
Networks [73.94290462239061]
本稿では、ニューラルネットワークを用いてシンボルとコネクショナリズムの原理を組み合わせることで、離散表現を導出することを提案する。
対話型環境とタスクを設計することにより、機械が自発的で柔軟でセマンティックな言語を生成できることを実証した。
論文 参考訳(メタデータ) (2022-01-14T14:54:58Z) - Deep Learning for Text Style Transfer: A Survey [71.8870854396927]
テキストスタイル転送は、生成したテキストの特定の属性を制御することを目的として、自然言語生成において重要なタスクである。
2017年の最初のニューラルテキストスタイル転送作業以降,100以上の代表的な記事を対象とした,ニューラルテキストスタイル転送の研究の体系的な調査を行う。
タスクの定式化、既存のデータセットとサブタスク、評価、並列データと非並列データの存在下での豊富な方法論について論じる。
論文 参考訳(メタデータ) (2020-11-01T04:04:43Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳(メタデータ) (2020-10-14T17:54:42Z) - My tweets bring all the traits to the yard: Predicting personality and
relational traits in Online Social Networks [4.095574580512599]
本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。
我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。
そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
論文 参考訳(メタデータ) (2020-09-22T20:30:56Z) - Information-Theoretic Probing for Linguistic Structure [74.04862204427944]
本稿では,相互情報を推定するための情報理論による探索運用手法を提案する。
我々は,NLP研究でしばしば不足している10の型的多様言語について評価した。
論文 参考訳(メタデータ) (2020-04-07T01:06:36Z)
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。