論文の概要: iNews: A Multimodal Dataset for Modeling Personalized Affective Responses to News

• arxiv url: http://arxiv.org/abs/2503.03335v1
• Date: Wed, 05 Mar 2025 10:09:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:53:53.827195
• Title: iNews: A Multimodal Dataset for Modeling Personalized Affective Responses to News
• Title（参考訳）: iNews: ニュースに対するパーソナライズされた感情応答をモデル化するためのマルチモーダルデータセット
• Authors: Tiancheng Hu, Nigel Collier,
• Abstract要約: iNewsは、ニュースの見出しに対する主観的な感情的な反応をキャプチャする新しいデータセットだ。 当社のデータセットは、2,899件のマルチモーダルなFacebookニュース投稿を対象とした291件の英国人参加者のアノテーションで構成されている。
• 参考スコア（独自算出の注目度）: 25.367927300697424
• License:
• Abstract: Current approaches to emotion detection often overlook the inherent subjectivity of affective experiences, instead relying on aggregated labels that mask individual variations in emotional responses. We introduce iNews, a novel large-scale dataset explicitly capturing subjective affective responses to news headlines. Our dataset comprises annotations from 291 demographically diverse UK participants across 2,899 multimodal Facebook news posts from major UK outlets, with an average of 5.18 annotators per sample. For each post, annotators provide multifaceted labels including valence, arousal, dominance, discrete emotions, content relevance judgments, sharing likelihood, and modality importance ratings (text, image, or both). Furthermore, we collect comprehensive annotator persona information covering demographics, personality, media trust, and consumption patterns, which explain 15.2% of annotation variance - higher than existing NLP datasets. Incorporating this information yields a 7% accuracy gain in zero-shot prediction and remains beneficial even with 32-shot. iNews will enhance research in LLM personalization, subjectivity, affective computing, and individual-level behavior simulation.
• Abstract（参考訳）: 感情検出への現在のアプローチは、感情的な経験の固有の主観性を見落とし、代わりに感情反応の個々のバリエーションを隠蔽する集約ラベルに依存している。 iNewsは、ニュース見出しに対する主観的感情反応を明示的にキャプチャする新しい大規模データセットである。 当社のデータセットは、英国の主要メディアの2,899件のマルチモーダルFacebookニュース投稿を対象とする291人の人口統計学的多様性を持つ英国の参加者のアノテーションで構成されており、サンプルあたり平均5.18のアノテーションが提供されている。 各投稿に対して、アノテータは、評価、覚醒、支配、離散的な感情、コンテンツ関連判断、共有可能性、モダリティの重要性評価(テキスト、画像、または両方)を含む多面的なラベルを提供する。 さらに、人口統計、人格、メディア信頼、消費パターンを網羅した包括的なアノテータ・ペルソナ情報を収集し、既存のNLPデータセットよりも15.2%のアノテーション分散を説明する。 この情報を組み込むことでゼロショット予測の精度は7%向上し、32ショットでも有益である。 iNewsはLLMのパーソナライゼーション、主観性、感情コンピューティング、個人レベルの行動シミュレーションの研究を強化する。

関連論文リスト

• Identifying Privacy Personas [27.301741710016223]
  プライバシ・ペルソナは、自身の知識、行動パターン、自己効力度レベル、プライバシ保護の重要性に対する認識に関して、ユーザセグメントの違いを捉えている。 文学では様々なプライバシ・ペルソナが派生しているが、重要な属性の観点から異なる人物をまとめている。 本研究では,対話型教育アンケートに対する質的,定量的な回答分析を組み合わせることで導出する8つのペルソナを提案する。
  論文  参考訳（メタデータ） (2024-10-17T20:49:46Z)
• The MuSe 2024 Multimodal Sentiment Analysis Challenge: Social Perception and Humor Recognition [64.5207572897806]
  マルチモーダル・センティメント・アナリティクス・チャレンジ (MuSe) 2024は、現代の2つのマルチモーダル・インフルエンスと感情分析の問題に対処する。 Social Perception Sub-Challenge (MuSe-Perception)では、参加者は16種類の個人の社会的属性を予測する。 クロスカルカルカルチャー・ヒューモー検出サブチャレンジ(MuSe-Humor)データセットは、Passau Spontaneous Football Coach Humorデータセット上に拡張される。
  論文  参考訳（メタデータ） (2024-06-11T22:26:20Z)
• Mitigating Biases in Collective Decision-Making: Enhancing Performance in the Face of Fake News [4.413331329339185]
  これらのバイアスが偽ニュースの広範的問題に与える影響を、偽ニュースの見出しを識別する人間の能力を評価することによって検討する。 センシティブな特徴を含む見出しに焦点を合わせることで、人間の反応がバイアスによってどのように形作られるかを探るため、包括的なデータセットを集めます。 人口統計学的要因,見出しカテゴリー,情報の提示方法が人的判断の誤りに大きく影響していることを示す。
  論文  参考訳（メタデータ） (2024-03-11T12:08:08Z)
• Measuring the Effect of Influential Messages on Varying Personas [67.1149173905004]
  我々は、ニュースメッセージを見る際にペルソナが持つ可能性のある応答を推定するために、ニュースメディア向けのペルソナに対するレスポンス予測という新しいタスクを提示する。 提案課題は,モデルにパーソナライズを導入するだけでなく,各応答の感情極性と強度も予測する。 これにより、ペルソナの精神状態に関するより正確で包括的な推測が可能になる。
  論文  参考訳（メタデータ） (2023-05-25T21:01:00Z)
• The MuSe 2023 Multimodal Sentiment Analysis Challenge: Mimicked Emotions, Cross-Cultural Humour, and Personalisation [69.13075715686622]
  MuSe 2023は、現代の3つの異なるマルチモーダル感情と感情分析の問題に対処する共有タスクの集合である。 MuSe 2023は、さまざまな研究コミュニティから幅広いオーディエンスを集めようとしている。
  論文  参考訳（メタデータ） (2023-05-05T08:53:57Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
  モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。 近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。 知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
  論文  参考訳（メタデータ） (2021-10-27T12:19:56Z)
• A Multi-input Multi-output Transformer-based Hybrid Neural Network for Multi-class Privacy Disclosure Detection [3.04585143845864]
  本稿では,伝達学習,言語学,メタデータを用いて隠れパターンを学習するマルチインプット・マルチアウトプットハイブリッドニューラルネットワークを提案する。 我々は,5,400のツイートを含む人間の注釈付き真実データセットを用いて,我々のモデルを訓練し,評価した。
  論文  参考訳（メタデータ） (2021-08-19T03:58:49Z)
• MBIC -- A Media Bias Annotation Dataset Including Annotator Characteristics [0.0]
  メディア偏見、あるいはスライスされたニュース報道は、出来事に対する大衆の認識に重大な影響を与える可能性がある。 本稿では,自己開発アノテーションプラットフォームを用いて,そのようなデータをクラウドソーシングするための行列ベースの方法論を提案する。 メディアバイアスの事例を表す1,700のステートメントの最初のサンプルであるMBICも提示する。
  論文  参考訳（メタデータ） (2021-05-20T15:05:17Z)
• 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。