論文の概要: PsyAttention: Psychological Attention Model for Personality Detection

• arxiv url: http://arxiv.org/abs/2312.00293v1
• Date: Fri, 1 Dec 2023 02:13:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 15:49:11.084509
• Title: PsyAttention: Psychological Attention Model for Personality Detection
• Title（参考訳）: PsyAttention:パーソナリティ検出のための心理的注意モデル
• Authors: Baohua Zhang, Yongyi Huang, Wenyao Cui, Huaping Zhang and Jianyun Shang
• Abstract要約: 本稿では,パーソナリティ検出のためのPsyAttentionに異なる心理モデルを適用する。 心理学的特徴を効果的にエンコードし、その数を85%減らすことができる。 BigFiveとMBTIの実験では、PysAttentionはそれぞれ65.66%と86.30%の平均精度を達成した。
• 参考スコア（独自算出の注目度）: 0.6428333375712125
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Work on personality detection has tended to incorporate psychological features from different personality models, such as BigFive and MBTI. There are more than 900 psychological features, each of which is helpful for personality detection. However, when used in combination, the application of different calculation standards among these features may result in interference between features calculated using distinct systems, thereby introducing noise and reducing performance. This paper adapts different psychological models in the proposed PsyAttention for personality detection, which can effectively encode psychological features, reducing their number by 85%. In experiments on the BigFive and MBTI models, PysAttention achieved average accuracy of 65.66% and 86.30%, respectively, outperforming state-of-the-art methods, indicating that it is effective at encoding psychological features.
• Abstract（参考訳）: パーソナリティ検出の研究は、BigFiveやMBTIなど、さまざまなパーソナリティモデルからの心理的特徴を取り入れる傾向にある。 900以上の心理的特徴があり、それぞれが人格検出に役立っている。 しかし、これらの特徴に異なる計算基準を適用すると、異なるシステムを用いて計算された特徴間の干渉が生じ、ノイズが発生し、性能が低下する可能性がある。 本稿では,提案する性格検出のための心理モデルを用いて,心理特徴を効果的にエンコードし,その数を85%削減する。 BigFiveとMBTIの実験では、PysAttentionは、それぞれ65.66%と86.30%の平均精度を達成し、最先端の手法よりも優れており、心理的特徴の符号化に有効であることを示している。

関連論文リスト

• Neuron-based Personality Trait Induction in Large Language Models [115.08894603023712]
  大規模言語モデル (LLM) は、様々な性格特性をシミュレートする能力が増している。 LLMにおけるパーソナリティ特性誘導のためのニューロンに基づくアプローチを提案する。
  論文  参考訳（メタデータ） (2024-10-16T07:47:45Z)
• EERPD: Leveraging Emotion and Emotion Regulation for Improving Personality Detection [19.98674724777821]
  EERPDと呼ばれる新しい人格検出手法を提案する。 本手法では,人格予測において,人格に強く相関する心理的概念である感情制御を導入する。 実験の結果,ERPDは人格検出の精度とロバスト性を大幅に向上させることが示された。
  論文  参考訳（メタデータ） (2024-06-23T11:18:55Z)
• PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
  心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。 心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
  論文  参考訳（メタデータ） (2024-02-19T18:00:30Z)
• 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)
• InCharacter: Evaluating Personality Fidelity in Role-Playing Agents through Psychological Interviews [57.04431594769461]
  本稿では, RPAの性格的忠実度を心理的尺度で評価するための新しい視点を紹介する。 実験には様々な種類の RPA と LLM が含まれ、14の広く使用されている心理学的尺度で32の異なる文字をカバーしている。 InCharacterでは、現在最先端のRPAが人物の人格と高度に一致した個性を示し、80.7%の精度を達成している。
  論文  参考訳（メタデータ） (2023-10-27T08:42:18Z)
• PsyMo: A Dataset for Estimating Self-Reported Psychological Traits from Gait [4.831663144935878]
  PsyMoは、歩行パターンに現れる心理的手がかりを探索するための、新しく、多目的かつマルチモーダルなデータセットである。 被験者312名から7種類の歩行変化と6種類のカメラアングルで歩行シーケンスを収集した。 被験者は歩数と合わせて6つの心理的質問紙に記入し,性格,自尊心,疲労,攻撃性,精神的健康に関連する17の心理指標を集計した。
  論文  参考訳（メタデータ） (2023-08-21T11:06:43Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• Using Machine Learning Based Models for Personality Recognition [0.0]
  個性は行動、感情、動機、思考の組み合わせと定義できる。 本稿では,テキストから人格認識を行うための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2022-01-17T07:20:51Z)
• A Deep Drift-Diffusion Model for Image Aesthetic Score Distribution Prediction [68.76594695163386]
  画像から美的スコアの分布を予測するために,心理学者から着想を得たディープドリフト拡散モデルを提案する。 DDDモデルは、評価結果の伝統的なモデリングではなく、美的知覚の心理的プロセスを記述することができる。 私たちの新しいDDDモデルはシンプルだが効率的であり、美的スコア分布予測における最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-15T11:01:46Z)
• My tweets bring all the traits to the yard: Predicting personality and relational traits in Online Social Networks [4.095574580512599]
  本研究は,オンラインソーシャルネットワーク(OSN)における全体像プロファイルの予測モデルを提供することを目的とする。 我々はまずOSNアカウントから幅広い機能を抽出する機能エンジニアリング手法を考案した。 そして,抽出した特徴に基づいて,ユーザの心理的特徴のスコアを予測する機械学習モデルを設計した。
  論文  参考訳（メタデータ） (2020-09-22T20:30:56Z)

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。