論文の概要: Demystifying ChatGPT: How It Masters Genre Recognition

• arxiv url: http://arxiv.org/abs/2507.03875v1
• Date: Sat, 05 Jul 2025 03:22:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.91742
• Title: Demystifying ChatGPT: How It Masters Genre Recognition
• Title（参考訳）: Demystifying ChatGPT: 遺伝子認識をマスターする方法
• Authors: Subham Raj, Sriparna Saha, Brijraj Singh, Niranjan Pedanekar,
• Abstract要約: この研究は、MovieLens-100Kデータセットを使用して3つのLarge Language Model(LLM)を分析し、ジャンル予測能力を評価する。 以上の結果より,ChatGPTは他のLLMよりも優れており,ChatGPTは全体として最も優れていた。
• 参考スコア（独自算出の注目度）: 15.563620079455026
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The introduction of ChatGPT has garnered significant attention within the NLP community and beyond. Previous studies have demonstrated ChatGPT's substantial advancements across various downstream NLP tasks, highlighting its adaptability and potential to revolutionize language-related applications. However, its capabilities and limitations in genre prediction remain unclear. This work analyzes three Large Language Models (LLMs) using the MovieLens-100K dataset to assess their genre prediction capabilities. Our findings show that ChatGPT, without fine-tuning, outperformed other LLMs, and fine-tuned ChatGPT performed best overall. We set up zero-shot and few-shot prompts using audio transcripts/subtitles from movie trailers in the MovieLens-100K dataset, covering 1682 movies of 18 genres, where each movie can have multiple genres. Additionally, we extended our study by extracting IMDb movie posters to utilize a Vision Language Model (VLM) with prompts for poster information. This fine-grained information was used to enhance existing LLM prompts. In conclusion, our study reveals ChatGPT's remarkable genre prediction capabilities, surpassing other language models. The integration of VLM further enhances our findings, showcasing ChatGPT's potential for content-related applications by incorporating visual information from movie posters.
• Abstract（参考訳）: ChatGPTの導入は、NLPコミュニティなどにおいて大きな注目を集めている。 これまでの研究では、ChatGPTが様々な下流のNLPタスクにまたがって大幅に進歩していることを示し、その適応性と言語関連のアプリケーションに革命をもたらす可能性を強調している。 しかし、ジャンル予測の能力と限界はいまだに不明である。 この研究は、MovieLens-100Kデータセットを使用して3つのLarge Language Model(LLM)を分析し、ジャンル予測能力を評価する。 以上の結果より,ChatGPTは他のLLMよりも優れており,ChatGPTは全体として最も優れていた。 我々は、MovieLens-100Kデータセットで映画予告編の音声書き起こし/字幕を用いて、ゼロショットと少数ショットのプロンプトを設定し、各映画が複数のジャンルを持つ18のジャンルの1682の映画をカバーした。 さらに,ポスター情報のプロンプトを付加した視覚言語モデル(VLM)を用いて,IMDb映画ポスターを抽出することにより,研究を拡張した。 この微細な情報は、既存のLSMプロンプトを強化するために使われた。 結論として,ChatGPTのジャンル予測能力は他の言語モデルを上回る。 VLMの統合により,映画ポスターの視覚情報を取り入れることで,ChatGPTのコンテンツ関連応用の可能性を示す。

関連論文リスト

• ChatGPT or A Silent Everywhere Helper: A Survey of Large Language Models [0.0]
  Chat Generative Pre-trained Transformer (ChatGPT)は、その高度な機能と広範なアプリケーションに対する顕著な例である。 この調査は、ChatGPTの包括的な分析を提供し、アーキテクチャ、トレーニングプロセス、機能について調査する。
  論文  参考訳（メタデータ） (2025-03-19T22:55:08Z)
• Can Large Language Models Capture Video Game Engagement? [1.3873323883842132]
  我々は、ビデオの連続的な影響アノテーションを注釈化し、うまく予測する一般的な大規模言語モデルの能力を包括的に評価する。 我々は, LLMアーキテクチャ, モデルサイズ, 入力モダリティ, プロンプト戦略, エンゲージメント予測に対する接地真理処理法の影響について, 2400以上の実験を行った。
  論文  参考訳（メタデータ） (2025-02-05T17:14:47Z)
• Large Language Models: A Survey [66.39828929831017]
  大規模言語モデル(LLM)は、広範囲の自然言語タスクにおける強力なパフォーマンスのために、多くの注目を集めている。 LLMの汎用言語理解と生成能力は、膨大なテキストデータに基づいて数十億のモデルのパラメータを訓練することで得られる。
  論文  参考訳（メタデータ） (2024-02-09T05:37:09Z)
• Assessing the potential of LLM-assisted annotation for corpus-based pragmatics and discourse analysis: The case of apology [9.941695905504282]
  本研究では,大規模言語モデル (LLM) を用いてプラグマ・ディスカッシブ・コーパスのアノテーションを自動生成する可能性について検討する。 GPT-4はGPT-3.5より優れており,精度は人間のコーダに近づいた。
  論文  参考訳（メタデータ） (2023-05-15T04:10:13Z)
• ChatGPT Beyond English: Towards a Comprehensive Evaluation of Large Language Models in Multilingual Learning [70.57126720079971]
  大規模言語モデル(LLM)は、自然言語処理(NLP)において最も重要なブレークスルーとして登場した。 本稿では,高,中,低,低リソースの37言語を対象として,ChatGPTを7つのタスクで評価する。 従来のモデルと比較すると,様々なNLPタスクや言語に対するChatGPTの性能は低下していた。
  論文  参考訳（メタデータ） (2023-04-12T05:08:52Z)
• A Multitask, Multilingual, Multimodal Evaluation of ChatGPT on Reasoning, Hallucination, and Interactivity [79.12003701981092]
  8種類の共通NLPアプリケーションタスクをカバーする23のデータセットを用いてChatGPTの広範な技術的評価を行う。 これらのデータセットと、新たに設計されたマルチモーダルデータセットに基づいて、ChatGPTのマルチタスク、マルチリンガル、マルチモーダルの側面を評価する。 ChatGPTの精度は平均63.41%で、論理的推論、非テキスト的推論、コモンセンス推論の10の異なる推論カテゴリで正確である。
  論文  参考訳（メタデータ） (2023-02-08T12:35:34Z)
• Movie Genre Classification by Language Augmentation and Shot Sampling [20.119729119879466]
  本稿では,Language augmentatIon とshot SamPling (Movie-CLIP) を用いた映画ジャンル分類手法を提案する。 Movie-CLIPは主に、入力オーディオから言語要素を認識する言語拡張モジュールと、ビデオ全体から代表ショットを選択するショットサンプリングモジュールの2つの部分で構成されている。 本手法をMovieNetとCondensed Moviesのデータセット上で評価し,平均精度(mAP)を平均6～9%向上させた。
  論文  参考訳（メタデータ） (2022-03-24T18:15:12Z)

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。