論文の概要: An Attention-Based Denoising Framework for Personality Detection in Social Media Texts

• arxiv url: http://arxiv.org/abs/2311.09945v1
• Date: Thu, 16 Nov 2023 14:56:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-17 13:53:59.442695
• Title: An Attention-Based Denoising Framework for Personality Detection in Social Media Texts
• Title（参考訳）: ソーシャルメディアテキストにおけるパーソナリティ検出のための注意に基づく弁別フレームワーク
• Authors: Qirui Tang, Wenkang Jiang, Yihua Du, Lei Lin
• Abstract要約: ユーザ生成テキストに基づくパーソナリティ検出は、ユーザポートレートを構築するために使用できる普遍的な方法である。 本稿では,注目情報抽出機構(AIEM)を提案する。 ゴールド標準のTwitter-Myers-Briggs Type Indicatorデータセットでは,平均精度が10.2%向上した。
• 参考スコア（独自算出の注目度）: 1.4887196224762684
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In social media networks, users produce a large amount of text content anytime, providing researchers with a valuable approach to digging for personality-related information. Personality detection based on user-generated texts is a universal method that can be used to build user portraits. The presence of noise in social media texts hinders personality detection. However, previous studies have not fully addressed this challenge. Inspired by the scanning reading technique, we propose an attention-based information extraction mechanism (AIEM) for long texts, which is applied to quickly locate valuable pieces of information, and focus more attention on the deep semantics of key pieces. Then, we provide a novel attention-based denoising framework (ADF) for personality detection tasks and achieve state-of-the-art performance on two commonly used datasets. Notably, we obtain an average accuracy improvement of 10.2% on the gold standard Twitter-Myers-Briggs Type Indicator (Twitter-MBTI) dataset. We made our code publicly available on GitHub. We shed light on how AIEM works to magnify personality-related signals.
• Abstract（参考訳）: ソーシャルメディアでは、ユーザーはいつでも大量のテキストコンテンツを生成し、研究者にパーソナリティ関連の情報を掘り出すための貴重なアプローチを提供する。 ユーザ生成テキストに基づくパーソナリティ検出は、ユーザのポートレート構築に使用できる普遍的な方法である。 ソーシャルメディアにおける雑音の存在はパーソナリティ検出を阻害する。 しかし、これまでの研究はこの課題に完全には対処していない。 そこで本研究では,本手法に着想を得た長文に対する注意に基づく情報抽出機構(aiem)を提案する。 そこで本研究では, パーソナリティ検出タスクのための新しい注意に基づく分別フレームワーク(adf)を提供し, 一般的な2つのデータセット上での最先端性能を実現する。 特に、金の標準Twitter-Myers-Briggs Type Indicator (Twitter-MBTI)データセットで平均精度が10.2%向上した。 私たちはコードをgithubで公開しました。 aiemがパーソナリティ関連のシグナルを拡大させる方法に光を当てた。

関連論文リスト

• Learning Robust Named Entity Recognizers From Noisy Data With Retrieval Augmentation [67.89838237013078]
  名前付きエンティティ認識(NER)モデルは、しばしばノイズの多い入力に悩まされる。 ノイズの多いテキストとそのNERラベルのみを利用できる、より現実的な設定を提案する。 我々は、推論中にテキストを取得することなく、堅牢なNERを改善するマルチビュートレーニングフレームワークを採用している。
  論文  参考訳（メタデータ） (2024-07-26T07:30:41Z)
• Stellar: Systematic Evaluation of Human-Centric Personalized Text-to-Image Methods [52.806258774051216]
  我々は,個々のイメージを入力し,生成プロセスの基盤となるテキストと,所望の視覚的コンテキストを記述したテキストに焦点をあてる。 我々は,既存の関連するデータセットよりも桁違いの大きさの個人画像と,リッチなセマンティックな接地真実アノテーションが容易に利用できるパーソナライズされたプロンプトを含む標準化データセット(Stellar)を紹介した。 被験者ごとにテストタイムの微調整を必要とせず,新しいSoTAを定量的かつ人為的に設定した,シンプルで効率的でパーソナライズされたテキスト・ツー・イメージのベースラインを導出する。
  論文  参考訳（メタデータ） (2023-12-11T04:47:39Z)
• Personality Detection and Analysis using Twitter Data [7.584657555037871]
  私たちは、研究コミュニティのために、最も大きな自動キュレートされたデータセットをリリースします。 このデータセットには1億5200万のツイートと、Myers-Briggs Personal Type (MBTI)予測タスク用の56万のデータポイントが含まれている。 興味深い分析結果が自然の直感にどのように従うかを示す。
  論文  参考訳（メタデータ） (2023-09-11T14:39:04Z)
• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• Utilizing Social Media Attributes for Enhanced Keyword Detection: An IDF-LDA Model Applied to Sina Weibo [0.0]
  ソーシャルメディアにおけるキーワード検出問題に対処する新しい手法を提案する。 我々のモデルは、逆文書頻度(IDF)と遅延ディリクレ割当(LDA)モデルを組み合わせて、ソーシャルメディアデータの異なる属性に対処する。
  論文  参考訳（メタデータ） (2023-05-30T08:35:39Z)
• On the Possibilities of AI-Generated Text Detection [76.55825911221434]
  機械が生成するテキストが人間に近い品質を近似するにつれて、検出に必要なサンプルサイズが増大すると主張している。 GPT-2, GPT-3.5-Turbo, Llama, Llama-2-13B-Chat-HF, Llama-2-70B-Chat-HFなどの最先端テキストジェネレータをoBERTa-Large/Base-Detector, GPTZeroなどの検出器に対して試験した。
  論文  参考訳（メタデータ） (2023-04-10T17:47:39Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• It's Just a Matter of Time: Detecting Depression with Time-Enriched Multimodal Transformers [24.776445591293186]
  本稿では,ソーシャルメディア投稿からうつ病を検出するための柔軟な時間拡張型マルチモーダルトランスフォーマーアーキテクチャを提案する。 我々のモデルはユーザーレベルで直接動作し、時間2vecの位置埋め込みを用いて、投稿間の相対時間で拡張する。 EmoBERTaとCLIPの埋め込みを用いた手法は、2つのマルチモーダルデータセット上の他の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-01-13T09:40:19Z)
• APES: Audiovisual Person Search in Untrimmed Video [87.4124877066541]
  音声人物探索データセット(APES)について述べる。 APESには36時間のビデオにラベル付けされた1,9K以上のIDが含まれている。 APESの重要な特徴は、顔と同一アイデンティティの音声セグメントをリンクする密集した時間アノテーションを含むことである。
  論文  参考訳（メタデータ） (2021-06-03T08:16:42Z)
• Personality Trait Detection Using Bagged SVM over BERT Word Embedding Ensembles [10.425280599592865]
  本稿では,テキストからの人格自動検出のための新しい深層学習手法を提案する。 我々は、自然言語理解における最先端技術、すなわちBERT言語モデルを活用して、文脈化された単語埋め込みを抽出する。 我々のモデルは、従来の最先端技術よりも1.04%優れており、同時に、トレーニングの計算効率も大幅に向上している。
  論文  参考訳（メタデータ） (2020-10-03T09:25:51Z)

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。