論文の概要: The Application of Affective Measures in Text-based Emotion Aware Recommender Systems

• arxiv url: http://arxiv.org/abs/2305.04796v1
• Date: Thu, 4 May 2023 13:26:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 13:51:45.673035
• Title: The Application of Affective Measures in Text-based Emotion Aware Recommender Systems
• Title（参考訳）: テキスト型感情認識レコメンダシステムにおける感情対策の適用
• Authors: John Kalung Leung, Igor Griva, William G. Kennedy, Jason M. Kinser, Sohyun Park, and Seo Young Lee
• Abstract要約: 本稿では,ジェネレーティブ・プレトレーニング・トランスフォーマ技術を用いて,主観的パスの感情的特徴を検出する手法を提案する。 本稿では,EARSサービスプロバイダが保持や保管を控える一方で,ユーザの感情プロファイルデータを保護するための責任アプローチの分離を提唱する。
• 参考スコア（独自算出の注目度）: 1.1942757095667953
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents an innovative approach to address the problems researchers face in Emotion Aware Recommender Systems (EARS): the difficulty and cumbersome collecting voluminously good quality emotion-tagged datasets and an effective way to protect users' emotional data privacy. Without enough good-quality emotion-tagged datasets, researchers cannot conduct repeatable affective computing research in EARS that generates personalized recommendations based on users' emotional preferences. Similarly, if we fail to fully protect users' emotional data privacy, users could resist engaging with EARS services. This paper introduced a method that detects affective features in subjective passages using the Generative Pre-trained Transformer Technology, forming the basis of the Affective Index and Affective Index Indicator (AII). Eliminate the need for users to build an affective feature detection mechanism. The paper advocates for a separation of responsibility approach where users protect their emotional profile data while EARS service providers refrain from retaining or storing it. Service providers can update users' Affective Indices in memory without saving their privacy data, providing Affective Aware recommendations without compromising user privacy. This paper offers a solution to the subjectivity and variability of emotions, data privacy concerns, and evaluation metrics and benchmarks, paving the way for future EARS research.
• Abstract（参考訳）: 本稿では、研究者がEmotion Aware Recommender Systems (EARS)で直面している問題に対処する革新的なアプローチを提案する。 十分な品質の感情タグ付きデータセットがなければ、ユーザの感情嗜好に基づいてパーソナライズされたレコメンデーションを生成する、繰り返し可能な感情コンピューティング研究をEARSで実施することはできない。 同様に、ユーザの感情データプライバシを完全に保護できない場合、EARSサービスへの関与に抵抗する可能性がある。 本稿では,Affective Index と Affective Index Indicator (AII) をベースとした生成事前学習型トランスフォーマ技術を用いて,主観的通路の感情特徴を検出する手法を提案する。 ユーザが感情的特徴検出メカニズムを構築する必要性を排除します。 本稿では,EARSサービスプロバイダが保持や保管を控える一方で,ユーザの感情プロファイルデータを保護する責任の分離を提唱する。 サービスプロバイダは、プライバシデータを保存することなく、ユーザのAffective Indicesをメモリに更新することができ、ユーザのプライバシを損なうことなくAffective Awareレコメンデーションを提供する。 本稿では,感情の主観性と変動性,データプライバシに関する懸念,評価指標とベンチマークに対する解決策を提供し,今後の耳研究への道を開く。

関連論文リスト

• EEG Emotion Copilot: Pruning LLMs for Emotional EEG Interpretation with Assisted Medical Record Generation [13.048477440429195]
  本稿では,局所的に動作する軽量な大規模言語モデル(LLM)を利用したEEG Emotion Copilotを提案する。 このシステムは、まず脳波信号から直接感情状態を認識し、パーソナライズされた診断と治療の提案を生成するように設計されている。 プライバシーに関する懸念も対処され、倫理的データ収集、処理、ユーザーの個人情報の保護に焦点が当てられている。
  論文  参考訳（メタデータ） (2024-09-30T19:15:05Z)
• Towards Empathetic Conversational Recommender Systems [77.53167131692]
  本稿では,共感型会話レコメンデータ(ECR)フレームワークを提案する。 ECRには、感情対応アイテムレコメンデーションと感情対応応答生成という、2つの主要なモジュールが含まれている。 ReDialデータセットの実験は、推奨精度を高め、ユーザの満足度を向上させる上で、我々のフレームワークの有効性を検証する。
  論文  参考訳（メタデータ） (2024-08-30T15:43:07Z)
• Empathic Responding for Digital Interpersonal Emotion Regulation via Content Recommendation [0.39321523855648755]
  本稿では、コンテンツレコメンデーションを通じて、オンラインプラットフォーム上での対人感情規制を強化するアプローチを提案する。 提案する推薦システムは,システム開始とユーザ開始の感情制御を融合させることが期待される。 この研究はReddit上で1年間に37.5万件のユーザー投稿と対話を収集し、CMAB(Contextual Multi-Armed Bandits)ベースのレコメンデーションシステムを設計した。
  論文  参考訳（メタデータ） (2024-08-05T10:27:28Z)
• NAP^2: A Benchmark for Naturalness and Privacy-Preserving Text Rewriting by Learning from Human [55.20137833039499]
  我々は,人間によって使用される2つの共通戦略を用いて,機密テキストの衛生化を提案する。 我々は,クラウドソーシングと大規模言語モデルの利用を通じて,NAP2という最初のコーパスをキュレートする。
  論文  参考訳（メタデータ） (2024-06-06T05:07:44Z)
• Utilizing Speech Emotion Recognition and Recommender Systems for Negative Emotion Handling in Therapy Chatbots [0.0]
  本稿では,ユーザの感情を理解し,人間のような共感を与えることのできる,聴覚認知によるチャットボットのセラピーを強化するアプローチを提案する。 提案手法は,CNNモデルとShEMOデータセットを用いた音声感情認識(SER)技術を含む。 より没入的で共感的なユーザエクスペリエンスを実現するため、GlowTTSと呼ばれるテキスト音声モデルを統合する。
  論文  参考訳（メタデータ） (2023-11-18T16:35:55Z)
• Unlearning Protected User Attributes in Recommendations with Adversarial Training [10.268369743620159]
  協調フィルタリングアルゴリズムは、特定の人口統計やユーザーの保護された情報を含む、基礎となる消費パターンをキャプチャする。 これらの符号化バイアスは、様々な階層のサブグループに提供されるコンテンツのさらなる分離に向けたレコメンデーションシステムの決定に影響を与える可能性がある。 本研究では,RSアルゴリズムの学習的相互作用表現から,ユーザの特定の保護された情報を除去する可能性と課題について検討する。
  論文  参考訳（メタデータ） (2022-06-09T13:36:28Z)
• MISC: A MIxed Strategy-Aware Model Integrating COMET for Emotional Support Conversation [64.37111498077866]
  本稿では,感情支援会話のための新しいモデルを提案する。 ユーザの微妙な感情状態を推測し、その後、戦略の混合を使って巧みに応答する。 評価実験の結果,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-03-25T10:32:04Z)
• Attribute Inference Attack of Speech Emotion Recognition in Federated Learning Settings [56.93025161787725]
  Federated Learning(FL)は、クライアントをコーディネートして、ローカルデータを共有せずにモデルを協調的にトレーニングする分散機械学習パラダイムである。 本稿では,共有勾配やモデルパラメータからクライアントの機密属性情報を推測する属性推論攻撃フレームワークを提案する。 FLを用いて学習したSERシステムに対して,属性推論攻撃が達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-12-26T16:50:42Z)
• Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
  本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。 IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
  論文  参考訳（メタデータ） (2021-07-26T10:40:59Z)
• Learning Emotional-Blinded Face Representations [77.7653702071127]
  感情反応に関連する表情に盲目な2つの顔表現を提案する。 この作業は、個人データ保護に関する新たな国際規則によって動機付けられている。
  論文  参考訳（メタデータ） (2020-09-18T09:24:10Z)

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。