論文の概要: Embedding Mental Health Discourse for Community Recommendation

• arxiv url: http://arxiv.org/abs/2307.03892v1
• Date: Sat, 8 Jul 2023 03:59:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-11 16:46:35.378211
• Title: Embedding Mental Health Discourse for Community Recommendation
• Title（参考訳）: コミュニティレコメンデーションのためのメンタルヘルス談話の埋め込み
• Authors: Hy Dang, Bang Nguyen, Noah Ziems, Meng Jiang
• Abstract要約: 本稿では,ソーシャルメディア上でのメンタルヘルス支援グループに焦点をあてたコミュニティレコメンデーションシステムの開発に,談話埋め込み技術の利用について検討する。 提案手法では,レコメンデーションシステムの性能を高めるために,コンテンツベースおよび協調フィルタリング技術を用いる。
• 参考スコア（独自算出の注目度）: 15.30326989654248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Our paper investigates the use of discourse embedding techniques to develop a community recommendation system that focuses on mental health support groups on social media. Social media platforms provide a means for users to anonymously connect with communities that cater to their specific interests. However, with the vast number of online communities available, users may face difficulties in identifying relevant groups to address their mental health concerns. To address this challenge, we explore the integration of discourse information from various subreddit communities using embedding techniques to develop an effective recommendation system. Our approach involves the use of content-based and collaborative filtering techniques to enhance the performance of the recommendation system. Our findings indicate that the proposed approach outperforms the use of each technique separately and provides interpretability in the recommendation process.
• Abstract（参考訳）: 本稿では,ソーシャルメディア上でのメンタルヘルス支援グループに着目したコミュニティレコメンデーションシステムの開発に,談話埋め込み技術の利用について検討する。 ソーシャルメディアプラットフォームは、ユーザーが特定の興味を持ったコミュニティと匿名で接続する手段を提供する。 しかし、膨大な数のオンラインコミュニティが利用できるため、ユーザーはメンタルヘルスの懸念に対処するために関連するグループを特定するのが困難になる可能性がある。 この課題に対処するために、埋め込み技術を用いて様々なサブレディットコミュニティからの談話情報の統合を検討し、効果的なレコメンデーションシステムの開発を行う。 提案手法では,レコメンデーションシステムの性能を高めるために,コンテンツベースおよび協調フィルタリング技術を用いる。 提案手法は,提案手法を個別に利用し,レコメンデーションプロセスにおける解釈可能性を提供する。

関連論文リスト

• 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)
• Neural Contextual Bandits for Personalized Recommendation [49.85090929163639]
  本チュートリアルでは、パーソナライズされたレコメンデーションのための強力なフレームワークとして、コンテキスト帯について検討する。 我々は、リコメンデーターシステムにおける「マシュー効果」を緩和するために、文脈的盗賊の探索的視点に焦点を当てる。 従来の線形文脈包帯に加えて、我々は神経文脈包帯にも焦点をあてる。
  論文  参考訳（メタデータ） (2023-12-21T17:03:26Z)
• K-ESConv: Knowledge Injection for Emotional Support Dialogue Systems via Prompt Learning [83.19215082550163]
  K-ESConvは、感情支援対話システムのための、新しい学習に基づく知識注入手法である。 本研究では,情緒的支援データセットESConvを用いて,外部の専門的情緒的Q&Aフォーラムから知識を抽出し,組み込んだモデルを評価した。
  論文  参考訳（メタデータ） (2023-12-16T08:10:10Z)
• Embedding in Recommender Systems: A Survey [67.67966158305603]
  重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。 埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。 この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
  論文  参考訳（メタデータ） (2023-10-28T06:31:06Z)
• Exploration of the possibility of infusing Social Media Trends into generating NFT Recommendations [0.0]
  傾向から抽出した意見マイニングデータの活用により, 提言の改善が試みられている。 ユニークな項目のセットで生成されたレコメンデーションに影響を与える社会的傾向が検討されている。 本研究で提案されている勧告アーキテクチャは,社会トレンドとレコメンデーションを統合し,有望なアウトプットを生み出す方法を示す。
  論文  参考訳（メタデータ） (2022-05-03T22:14:12Z)
• A Review on Pushing the Limits of Baseline Recommendation Systems with the integration of Opinion Mining & Information Retrieval Techniques [0.0]
  Recommendation Systemsでは、利用者の期待にタイムリーかつ関連性がありながら、コミュニティ内のトレンドアイテムを識別することができる。 より優れた品質のレコメンデーションを達成するために、ディープラーニングの手法が提案されている。 研究者たちは、最も効果的なレコメンデーションを提供するために、標準レコメンデーションシステムの能力を拡大しようと試みている。
  論文  参考訳（メタデータ） (2022-05-03T22:13:33Z)
• Exploring the Effects of AI-assisted Emotional Support Processes in Online Mental Health Community [26.36961585672868]
  我々は、ユーザーが他のユーザーの投稿に感情的なサポートメッセージを書けるように、AIを駆使したワークフローを設計する。 予備的なユーザスタディに基づいて,本システムは,感情の明確化とテキストの具体的記述を支援することを確認した。
  論文  参考訳（メタデータ） (2022-02-21T09:25:36Z)
• INSPIRED: Toward Sociable Recommendation Dialog Systems [51.1063713492648]
  レコメンデーションダイアログでは、人間は通常自分の好みを開示し、友好的な方法でレコメンデーションを行う。 本稿では,映画レコメンデーションのための1,001人の人間-人間ダイアログのデータセットを提案する。 分析の結果,個人意見の共有や励ましとのコミュニケーションといった社会的レコメンデーション戦略が,より頻繁に実施されることが示唆された。
  論文  参考訳（メタデータ） (2020-09-29T21:03:44Z)
• Assessing the Severity of Health States based on Social Media Posts [62.52087340582502]
  ユーザの健康状態の重症度を評価するために,テキストコンテンツとコンテキスト情報の両方をモデル化する多視点学習フレームワークを提案する。 多様なNLUビューは、ユーザの健康を評価するために、タスクと個々の疾患の両方に効果を示す。
  論文  参考訳（メタデータ） (2020-09-21T03:45:14Z)
• Spoiled for Choice? Personalized Recommendation for Healthcare Decisions: A Multi-Armed Bandit Approach [1.6058099298620423]
  本稿では,医療介入の選択を支援するレコメンデーションフレームワークを提案する。 ユーザの健康行動が極めてダイナミックで多様なものであることを考慮し,マルチアーム・バンディット(MAB)によるレコメンデーションフレームワークを提案する。 そこで我々は、MABを医療の文脈に適応させるために、2つの革新的なモデル要素を顕著な健康理論に基づいて合成する。
  論文  参考訳（メタデータ） (2020-09-13T22:55:59Z)
• Survey for Trust-aware Recommender Systems: A Deep Learning Perspective [48.2733163413522]
  信頼できるレコメンデーションシステムを採用することが重要になります。 本調査では,信頼を意識したレコメンデータシステムの3つのカテゴリについて概説する。
  論文  参考訳（メタデータ） (2020-04-08T02:11:55Z)

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。