論文の概要: Social World Knowledge: Modeling and Applications
- arxiv url: http://arxiv.org/abs/2306.16299v1
- Date: Wed, 28 Jun 2023 15:25:30 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 13:47:52.018770
- Title: Social World Knowledge: Modeling and Applications
- Title（参考訳）: 社会世界の知識 : モデリングと応用
- Authors: Nir Lotan and Einat Minkov
- Abstract要約: 社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。
ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するフレームワークであるSocialVecを紹介する。
テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
- 参考スコア（独自算出の注目度）: 2.9417848476446364
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Social world knowledge is a key ingredient in effective communication and
information processing by humans and machines alike. As of today, there exist
many knowledge bases that represent factual world knowledge. Yet, there is no
resource that is designed to capture social aspects of world knowledge. We
believe that this work makes an important step towards the formulation and
construction of such a resource. We introduce SocialVec, a general framework
for eliciting low-dimensional entity embeddings from the social contexts in
which they occur in social networks. In this framework, entities correspond to
highly popular accounts which invoke general interest. We assume that entities
that individual users tend to co-follow are socially related, and use this
definition of social context to learn the entity embeddings. Similar to word
embeddings which facilitate tasks that involve text semantics, we expect the
learned social entity embeddings to benefit multiple tasks of social flavor. In
this work, we elicited the social embeddings of roughly 200K entities from a
sample of 1.3M Twitter users and the accounts that they follow. We employ and
gauge the resulting embeddings on two tasks of social importance. First, we
assess the political bias of news sources in terms of entity similarity in the
social embedding space. Second, we predict the personal traits of individual
Twitter users based on the social embeddings of entities that they follow. In
both cases, we show advantageous or competitive performance using our approach
compared with task-specific baselines. We further show that existing entity
embedding schemes, which are fact-based, fail to capture social aspects of
knowledge. We make the learned social entity embeddings available to the
research community to support further exploration of social world knowledge and
its applications.
- Abstract（参考訳）: 社会世界の知識は、人間や機械による効果的なコミュニケーションと情報処理の重要な要素である。
現在、実世界の知識を表す多くの知識基盤が存在する。
しかし、世界の知識の社会的側面を捉えた資源は存在しない。
我々はこのような資源の定式化と構築に向けて重要な一歩を踏み出したと信じている。
ソーシャルネットワークで発生する社会的文脈から低次元の実体埋め込みを抽出するための一般的なフレームワークであるSocialVecを紹介する。
このフレームワークでは、エンティティは一般的な関心を呼び出す非常に人気のあるアカウントに対応する。
個人ユーザが共同でフォローする傾向にあるエンティティは社会的に関連があると仮定し、このソーシャルコンテキストの定義を用いてエンティティの埋め込みを学習する。
テキストセマンティクスを含む作業を容易にする単語埋め込みと同様に、学習されたソーシャルエンティティ埋め込みは、複数のソーシャルフレーバーのタスクに利益をもたらすことを期待する。
この研究では、約2万のエンティティのソーシャル埋め込みを、130万人のTwitterユーザーとフォローするアカウントのサンプルから引き出した。
社会的重要性の2つのタスクに、結果の埋め込みを取り入れて評価する。
まず、ニュースソースの政治的バイアスを、社会的埋め込み空間における実体的類似性の観点から評価する。
第2に,フォローするエンティティのソーシャルな埋め込みに基づいて,個々のtwitterユーザの個人的特性を予測する。
どちらの場合も、タスク固有のベースラインと比較して、我々のアプローチで有利または競争的なパフォーマンスを示す。
さらに、事実に基づく既存の実体埋め込み方式は、知識の社会的側面を捉えないことを示す。
我々は、社会世界の知識とその応用のさらなる探索を支援するために、学習された社会エンティティの埋め込みを研究コミュニティに公開する。
関連論文リスト
- From a Social Cognitive Perspective: Context-aware Visual Social Relationship Recognition [59.57095498284501]
我々は,textbfContextual textbfSocial textbfRelationships (textbfConSoR) を社会的認知の観点から認識する新しいアプローチを提案する。
画像ごとの社会的関係を考慮した社会認識記述言語プロンプトを構築した。
印象的なことに、ConSoRは従来の手法を上回り、Person-in-Social-Context(PISC)データセットでは12.2%、Person-in-Photo-Album(PIPA)ベンチマークでは9.8%向上している。
論文 参考訳（メタデータ） (2024-06-12T16:02:28Z) - Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。
インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。
多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
論文 参考訳（メタデータ） (2024-02-28T00:22:42Z) - SOTOPIA: Interactive Evaluation for Social Intelligence in Language Agents [107.4138224020773]
人工エージェントと人間との複雑な社会的相互作用をシミュレートするオープンエンド環境であるSOTOPIAを提案する。
エージェントは、複雑な社会的目標を達成するために協調し、協力し、交換し、互いに競い合う。
GPT-4は,人間よりも目標達成率が著しく低く,社会的常識的推論や戦略的コミュニケーション能力の発揮に苦慮していることがわかった。
論文 参考訳（メタデータ） (2023-10-18T02:27:01Z) - SocialVec: Social Entity Embeddings [1.4010916616909745]
本稿では,ソーシャルワールドの知識をソーシャルネットワークから引き出すためのフレームワークであるSocialVecを紹介する。
Twitterネットワークのサンプルから、約20万の人気のアカウントのソーシャル埋め込みを学びました。
われわれはSocialVecの埋め込みを利用して、Twitterのニュースソースの政治的偏見を誇示している。
論文 参考訳（メタデータ） (2021-11-05T14:13:01Z) - SocialAI: Benchmarking Socio-Cognitive Abilities in Deep Reinforcement
Learning Agents [23.719833581321033]
人間との社会的相互作用に参加することができる、具体化された自律エージェントを構築することは、AIの主要な課題の1つだ。
人間レベルのAIを目指すためには、より広範な社会的スキルが必要である、と私たちは主張する。
DRLエージェントの社会的スキル獲得を評価するためのベンチマークであるSocialAIを提案する。
論文 参考訳（メタデータ） (2021-07-02T10:39:18Z) - Social Behaviour Understanding using Deep Neural Networks: Development
of Social Intelligence Systems [2.107969466194361]
ソーシャル・コンピューティングは、ソーシャル・インテリジェンス・システムの誕生に向けて、社会情報学を超えて進化してきた。
本稿では,深層ニューラルネットワークを用いた社会的行動理解フレームワークを提案する。
うつ病の検出、活動認識、認知障害スクリーニングを含む3つのシステムは、明らかに社会的知性の重要性を示すために開発されている。
論文 参考訳（メタデータ） (2021-05-20T03:19:55Z) - PHASE: PHysically-grounded Abstract Social Events for Machine Social
Perception [50.551003004553806]
私たちは、物理的に根拠のある抽象的なソーシャルイベント、フェーズのデータセットを作成します。
フェーズは人間の実験によって検証され、人間は社会出来事において豊かな相互作用を知覚する。
ベースラインモデルとして,最新のフィードフォワードニューラルネットワークよりも優れたベイズ逆計画手法SIMPLEを導入する。
論文 参考訳（メタデータ） (2021-03-02T18:44:57Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳（メタデータ） (2020-12-29T08:22:48Z) - Graph-Based Social Relation Reasoning [101.9402771161935]
社会関係認識のためのグラフ関係推論ネットワーク(GR2N)を提案する。
本手法は,社会関係グラフの構築による連関関係推定のパラダイムを考察する。
実験結果から,本手法は合理的で一貫した社会関係グラフを生成することが示された。
論文 参考訳（メタデータ） (2020-07-15T03:01:11Z) - Mathematical Foundations for Social Computing [21.041093050431183]
ソーシャルコンピューティングは、人々が計算システムと相互作用するメカニズムを含んでいる。
2015年6月、約25人の専門家を集めて、ソーシャルコンピューティングの数学的基盤を確立するという約束と課題について議論した。
この文書は議論されている重要なアイデアをいくつか捉えている。
論文 参考訳（メタデータ） (2020-07-07T17:50:27Z) - Towards Social Identity in Socio-Cognitive Agents [0.0]
認知社会フレームの概念に基づく社会認知エージェントモデルを提案する。
認知社会フレームは、社会集団を中心に構築され、社会集団のダイナミックス機構と社会的アイデンティティの構成の基礎を形成する。
論文 参考訳（メタデータ） (2020-01-20T15:27:26Z)
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。