論文の概要: Personality Style Recognition via Machine Learning: Identifying
Anaclitic and Introjective Personality Styles from Patients' Speech
- arxiv url: http://arxiv.org/abs/2311.04088v1
- Date: Tue, 7 Nov 2023 15:56:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-08 15:02:24.415342
- Title: Personality Style Recognition via Machine Learning: Identifying
Anaclitic and Introjective Personality Styles from Patients' Speech
- Title（参考訳）: 機械学習によるパーソナリティ・スタイル認識:患者音声からのアナクリティック・イントロジェクティブ・パーソナリティ・スタイルの同定
- Authors: Semere Kiros Bitew, Vincent Schelstraete, Klim Zaporojets, Kimberly
Van Nieuwenhove, Reitske Meganck and Chris Develder
- Abstract要約: 自然言語処理(NLP)と機械学習ツールを使って分類する。
大うつ病(MDD)と診断された79人の患者を対象に、記録された臨床診断面接(CDI)のデータセットでこれを検証した。
言語由来の特徴(LIWCに基づく)による自動分類は,アンケートに基づく分類モデルよりも有意に優れていることがわかった。
- 参考スコア（独自算出の注目度）: 6.3042597209752715
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In disentangling the heterogeneity observed in psychopathology, personality
of the patients is considered crucial. While it has been demonstrated that
personality traits are reflected in the language used by a patient, we
hypothesize that this enables automatic inference of the personality type
directly from speech utterances, potentially more accurately than through a
traditional questionnaire-based approach explicitly designed for personality
classification. To validate this hypothesis, we adopt natural language
processing (NLP) and standard machine learning tools for classification. We
test this on a dataset of recorded clinical diagnostic interviews (CDI) on a
sample of 79 patients diagnosed with major depressive disorder (MDD) -- a
condition for which differentiated treatment based on personality styles has
been advocated -- and classified into anaclitic and introjective personality
styles. We start by analyzing the interviews to see which linguistic features
are associated with each style, in order to gain a better understanding of the
styles. Then, we develop automatic classifiers based on (a) standardized
questionnaire responses; (b) basic text features, i.e., TF-IDF scores of words
and word sequences; (c) more advanced text features, using LIWC (linguistic
inquiry and word count) and context-aware features using BERT (bidirectional
encoder representations from transformers); (d) audio features. We find that
automated classification with language-derived features (i.e., based on LIWC)
significantly outperforms questionnaire-based classification models.
Furthermore, the best performance is achieved by combining LIWC with the
questionnaire features. This suggests that more work should be put into
developing linguistically based automated techniques for characterizing
personality, however questionnaires still to some extent complement such
methods.
- Abstract（参考訳）: 精神病理学で観察される異質性の解消では、患者の個性が重要であると考えられている。
パーソナリティ特性が患者が使用する言語に反映されることが実証されているが、これは音声発話から直接パーソナリティタイプの自動推論が可能であり、パーソナリティ分類のために明示的に設計された従来のアンケートに基づくアプローチよりも精度が高いと仮定する。
この仮説を検証するために、自然言語処理(NLP)と標準機械学習ツールを用いて分類する。
主観的うつ病性障害(mdd)と診断された患者79名(人格的スタイルに基づく異なる治療が推奨されている)について、cdi(recorded clinical diagnostic interviews)のデータセットでこれをテストし、アナリスティック・イントロジェクティブ・パーソナリティ・スタイルに分類した。
まず、各スタイルのより深い理解を得るために、各スタイルにどの言語的特徴が関連しているかをインタビューの分析から始める。
そこで我々は,自動分類器を開発する。
(a)標準化された質問応答
b) 基本文の特徴,すなわち,単語及び単語列のtf−idfスコア
c) liwc (linguistic query and word count) と bert (bidirectional encoder representations from transformers) を用いた文脈認識機能を用いた、より高度なテキスト機能
(d)オーディオ機能。
言語由来の特徴(liwcに基づく)による自動分類は,アンケートに基づく分類モデルを大幅に上回っている。
さらに、LIWCとアンケート特徴を組み合わせることで、最高の性能が得られる。
このことから,人格を特徴付けるための言語ベースの自動手法の開発には,さらなる作業が必要であることが示唆された。
関連論文リスト
- Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues [63.936654900356004]
パーソナリティ認識は,対話やソーシャルメディア投稿などのユーザデータに含まれる性格特性を識別することを目的としている。
本稿では,人格特性の証拠として推論過程を明らかにすることを目的とした,説明可能な人格認識という新しい課題を提案する。
論文 参考訳（メタデータ） (2024-09-29T14:41:43Z) - A Comparative Study on Patient Language across Therapeutic Domains for Effective Patient Voice Classification in Online Health Discussions [0.48124799513933847]
本研究では,患者音声の正確な分類における言語的特徴の重要性を分析する。
我々は、類似した言語パターンと組み合わせたデータセットに基づいて事前学習した言語モデルを微調整し、高い精度で患者音声を自動分類した。
この話題の先駆的な研究として、ソーシャルメディアから真正の患者体験を抽出することに注力することは、医療基準の進歩に向けた重要なステップである。
論文 参考訳（メタデータ） (2024-07-23T15:51:46Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z) - LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced
Personality Detection Model [58.887561071010985]
パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。
既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。
本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
論文 参考訳（メタデータ） (2024-03-12T12:10:18Z) - Identification of Cognitive Decline from Spoken Language through Feature
Selection and the Bag of Acoustic Words Model [0.0]
記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。
臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。
この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
論文 参考訳（メタデータ） (2024-02-02T17:06:03Z) - PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for
Personality Detection [50.66968526809069]
PsyCoTと呼ばれる新しい人格検出手法を提案する。これは、個人がマルチターン対話方式で心理的質問を完遂する方法を模倣するものである。
実験の結果,PsyCoTは人格検出におけるGPT-3.5の性能とロバスト性を大幅に向上させることがわかった。
論文 参考訳（メタデータ） (2023-10-31T08:23:33Z) - 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) - The state-of-the-art in text-based automatic personality prediction [1.3209941988151326]
パーソナリティ検出は心理学における古い話題であり、自動パーソナリティ予測(または知覚) (APP) である。
APPは、テキスト、スピーチ、画像、ビデオなど、さまざまなタイプの人間が生成/交換したコンテンツに対して、人格を自動(計算的に)予測する。
論文 参考訳（メタデータ） (2021-10-04T04:51:11Z) - Automated Quality Assessment of Cognitive Behavioral Therapy Sessions
Through Highly Contextualized Language Representations [34.670548892766625]
認知行動療法(Cognitive Behavioral Therapy, CBT)という,特定の心理療法の行動自動スコアリングモデルを提案する。
このモデルは高い解釈可能性を達成するためにマルチタスクで訓練される。
BERTベースの表現は、利用可能な治療メタデータでさらに拡張され、関連する非言語的コンテキストを提供し、一貫したパフォーマンス改善につながります。
論文 参考訳（メタデータ） (2021-02-23T09:22:29Z) - 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)
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。