論文の概要: Sentiment Simulation using Generative AI Agents

• arxiv url: http://arxiv.org/abs/2505.22125v1
• Date: Wed, 28 May 2025 08:50:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.511332
• Title: Sentiment Simulation using Generative AI Agents
• Title（参考訳）: 生成AIエージェントを用いた感性シミュレーション
• Authors: Melrose Tia, Jezreel Sophia Lanuzo, Lei Rigi Baltazar, Marie Joy Lopez-Relente, Diwa Malaya Quiñones, Jason Albia,
• Abstract要約: 本稿では、心理的に豊かなプロファイルを組み込んだ生成AIエージェントを用いた感情シミュレーションの枠組みを提案する。 エージェントは2,485人のフィリピン人回答者の全国代表による調査からインスタンス化されている。 我々の研究は、心理分析を基礎としたAIエージェントによる感情モデリングのためのスケーラブルなフレームワークを確立した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Traditional sentiment analysis relies on surface-level linguistic patterns and retrospective data, limiting its ability to capture the psychological and contextual drivers of human sentiment. These limitations constrain its effectiveness in applications that require predictive insight, such as policy testing, narrative framing, and behavioral forecasting. We present a robust framework for sentiment simulation using generative AI agents embedded with psychologically rich profiles. Agents are instantiated from a nationally representative survey of 2,485 Filipino respondents, combining sociodemographic information with validated constructs of personality traits, values, beliefs, and socio-political attitudes. The framework includes three stages: (1) agent embodiment via categorical or contextualized encodings, (2) exposure to real-world political and economic scenarios, and (3) generation of sentiment ratings accompanied by explanatory rationales. Using Quadratic Weighted Accuracy (QWA), we evaluated alignment between agent-generated and human responses. Contextualized encoding achieved 92% alignment in replicating original survey responses. In sentiment simulation tasks, agents reached 81%--86% accuracy against ground truth sentiment, with contextualized profile encodings significantly outperforming categorical (p < 0.0001, Cohen's d = 0.70). Simulation results remained consistent across repeated trials (+/-0.2--0.5% SD) and resilient to variation in scenario framing (p = 0.9676, Cohen's d = 0.02). Our findings establish a scalable framework for sentiment modeling through psychographically grounded AI agents. This work signals a paradigm shift in sentiment analysis from retrospective classification to prospective and dynamic simulation grounded in psychology of sentiment formation.
• Abstract（参考訳）: 従来の感情分析は、表面レベルの言語パターンと振り返りデータに依存しており、人間の感情の心理的および文脈的要因を捉える能力を制限する。 これらの制限は、ポリシーテスト、物語のフレーミング、行動予測のような予測的な洞察を必要とするアプリケーションにおいて、その効果を制限します。 本稿では、心理的に豊かなプロファイルを組み込んだ生成AIエージェントを用いた感情シミュレーションのための堅牢なフレームワークを提案する。 エージェントは、フィリピンの回答者2,485人の全国代表による調査からインスタンス化され、社会デマログラフィー情報と、性格特性、価値観、信念、社会的政治的態度の検証された構成を組み合わせている。 この枠組みは,(1)分類的・文脈的エンコーディングによるエージェント実施,(2)現実の政治的・経済的シナリオへの露出,(3)説明的根拠を伴う感情評価の生成の3段階を含む。 擬似重み付き精度 (QWA) を用いて, エージェント生成反応とヒト反応のアライメントを評価した。 コンテクスト化されたエンコーディングは、元のサーベイレスポンスの複製で92%のアライメントを達成した。 感情シミュレーションタスクでは、エージェントは真実の感情に対して81%～86%の精度に達し、文脈化されたプロファイルエンコーディングはカテゴリー的に有意に優れていた(p < 0.0001, Cohen's d = 0.70)。 シミュレーション結果は繰り返し試行(+/-0.2--0.5% SD)とシナリオフレーミングの変動に対する耐性(p = 0.9676, Cohen's d = 0.02)で一致した。 我々の研究は、心理分析を基礎としたAIエージェントによる感情モデリングのためのスケーラブルなフレームワークを確立した。 この研究は、感情分析におけるパラダイムシフトを、振り返り分類から、感情形成心理学に基づく予測的、動的シミュレーションへと導く。

関連論文リスト

• The Traitors: Deception and Trust in Multi-Agent Language Model Simulations [0.0]
  ソーシャル・デダクション・ゲームに触発されたマルチエージェント・シミュレーション・フレームワークであるThe Traitorsを紹介した。 我々は,詐欺の成功,信頼ダイナミクス,集団推論品質を計測する評価指標のスイートを開発する。 DeepSeek-V3, GPT-4o-mini, GPT-4o(モデル毎に10回の走行)による実験では, 顕著な非対称性が示された。
  論文  参考訳（メタデータ） (2025-05-19T10:01:35Z)
• Sentient Agent as a Judge: Evaluating Higher-Order Social Cognition in Large Language Models [75.85319609088354]
  SAGE(Sentient Agent as a Judge)は、大規模言語モデルの評価フレームワークである。 SAGEは人間のような感情の変化や内的思考をシミュレートするSentient Agentをインスタンス化する。 SAGEは、真に共感的で社会的に適応的な言語エージェントへの進捗を追跡するための、原則付き、スケーラブルで解釈可能なツールを提供する。
  論文  参考訳（メタデータ） (2025-05-01T19:06:10Z)
• Probing the contents of semantic representations from text, behavior, and brain data using the psychNorms metabase [0.0]
  テキスト,行動,脳データから得られた意味表現の類似性と相違について検討した。 我々は、人間の表現や行動を把握するためのテキストの重要な補完として行動を確立する。
  論文  参考訳（メタデータ） (2024-12-06T10:44:20Z)
• Generative Agent Simulations of 1,000 People [56.82159813294894]
  本稿では,1,052人の実人の態度と行動をシミュレートする新しいエージェントアーキテクチャを提案する。 生成エージェントは一般社会調査の参加者の回答を85%の精度で再現する。 我々のアーキテクチャは、人種的およびイデオロギー的グループにおける正確さのバイアスを、人口統計学的記述のエージェントと比較して低減する。
  論文  参考訳（メタデータ） (2024-11-15T11:14:34Z)
• Chatting Up Attachment: Using LLMs to Predict Adult Bonds [0.0]
  GPT-4とClaude 3 Opusを使用して、さまざまなプロファイル、子供時代の記憶、アタッチメントスタイルを持つ大人をシミュレートするエージェントを作成します。 我々は,同一の面接プロトコルを施行し,精神保健専門家によって分析・ラベル付けされた9人のヒトの転写データセットを用いて,我々のモデルを評価した。 以上の結果から,合成データのみを用いたモデルトレーニングは,人間のデータを用いたモデルトレーニングに匹敵する性能を発揮することが示唆された。
  論文  参考訳（メタデータ） (2024-08-31T04:29:19Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• Neural Causal Models for Counterfactual Identification and Estimation [62.30444687707919]
  本稿では,ニューラルモデルによる反事実文の評価について検討する。 まず、神経因果モデル(NCM)が十分に表現可能であることを示す。 第2に,反事実分布の同時同定と推定を行うアルゴリズムを開発する。
  論文  参考訳（メタデータ） (2022-09-30T18:29:09Z)
• Personality Assessment from Text for Machine Commonsense Reasoning [15.348792748868643]
  PerSenseは、表現されたテキストに基づいて人間の性格特性を推定するフレームワークである。 我々の目標は、人格特性データに機械学習アルゴリズムを使用することの可能性を示すことである。
  論文  参考訳（メタデータ） (2020-04-15T07:30:47Z)

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。