論文の概要: HIPPD: Brain-Inspired Hierarchical Information Processing for Personality Detection

• arxiv url: http://arxiv.org/abs/2510.09893v1
• Date: Fri, 10 Oct 2025 22:20:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.67427
• Title: HIPPD: Brain-Inspired Hierarchical Information Processing for Personality Detection
• Title（参考訳）: HIPPD:パーソナリティ検出のための脳誘発階層型情報処理
• Authors: Guanming Chen, Lingzhi Shen, Xiaohao Cai, Imran Razzak, Shoaib Jameel,
• Abstract要約: テキストからのパーソナリティ検出は、言語パターンに基づいて個人の性格特性を推測することを目的としている。 本稿では,ヒト脳の階層的情報処理をエミュレートする人格検出フレームワークであるHIPPDを提案する。
• 参考スコア（独自算出の注目度）: 15.590715592593535
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Personality detection from text aims to infer an individual's personality traits based on linguistic patterns. However, existing machine learning approaches often struggle to capture contextual information spanning multiple posts and tend to fall short in extracting representative and robust features in semantically sparse environments. This paper presents HIPPD, a brain-inspired framework for personality detection that emulates the hierarchical information processing of the human brain. HIPPD utilises a large language model to simulate the cerebral cortex, enabling global semantic reasoning and deep feature abstraction. A dynamic memory module, modelled after the prefrontal cortex, performs adaptive gating and selective retention of critical features, with all adjustments driven by dopaminergic prediction error feedback. Subsequently, a set of specialised lightweight models, emulating the basal ganglia, are dynamically routed via a strict winner-takes-all mechanism to capture the personality-related patterns they are most proficient at recognising. Extensive experiments on the Kaggle and Pandora datasets demonstrate that HIPPD consistently outperforms state-of-the-art baselines.
• Abstract（参考訳）: テキストからのパーソナリティ検出は、言語パターンに基づいて個人の性格特性を推測することを目的としている。 しかしながら、既存の機械学習アプローチは、複数のポストにまたがるコンテキスト情報をキャプチャするのに苦労することが多く、意味的に疎い環境において、代表的かつ堅牢な特徴を抽出するのに不足する傾向がある。 本稿では,ヒト脳の階層的情報処理をエミュレートする人格検出フレームワークであるHIPPDを提案する。 HIPPDは大きな言語モデルを用いて大脳皮質をシミュレートし、大域的な意味論的推論と深い特徴抽象化を可能にする。 前頭前皮質をモデルとした動的メモリモジュールは、ドパミン作動性予測エラーフィードバックによって駆動される全ての調整により、重要な特徴の適応的ゲーティングと選択的保持を行う。 その後、基底神経節をエミュレートする一連の特殊な軽量モデルが厳密な勝者獲得機構を介して動的にルーティングされ、彼らが認識する上で最も熟練した人格関連パターンをキャプチャする。 KaggleとPandoraのデータセットに関する大規模な実験は、HIPPDが一貫して最先端のベースラインを上回っていることを示している。

関連論文リスト

• EmoPerso: Enhancing Personality Detection with Self-Supervised Emotion-Aware Modelling [22.309957211042597]
  テキストからの個人性検出は、ユーザーのソーシャルメディア投稿を分析して行うのが一般的である。 本稿では,感情認識モデルによる人格検出を改善する自己教師型フレームワークであるEmoPersoを提案する。
  論文  参考訳（メタデータ） (2025-09-02T15:57:26Z)
• Traits Run Deep: Enhancing Personality Assessment via Psychology-Guided LLM Representations and Multimodal Apparent Behaviors [46.55948528317124]
  我々はtextittextbfTraits Run Deep という新しいパーソナリティ評価フレームワークを提案する。 テキストテキストbf心理学的インフォームドプロンプトを使用して、高いレベルの人格関連セマンティック表現を導き出す。 textittextbfText-Centric Trait Fusion Networkは、リッチテキストセマンティクスをアンロックして、他のモダリティからの非同期信号の整合と統合を行う。
  論文  参考訳（メタデータ） (2025-07-30T04:12:14Z)
• Meta-Representational Predictive Coding: Biomimetic Self-Supervised Learning [51.22185316175418]
  メタ表現予測符号化(MPC)と呼ばれる新しい予測符号化方式を提案する。 MPCは、並列ストリームにまたがる感覚入力の表現を予測することを学ぶことによって、感覚入力の生成モデルを学ぶ必要性を助長する。
  論文  参考訳（メタデータ） (2025-03-22T22:13:14Z)
• Generative causal testing to bridge data-driven models and scientific theories in language neuroscience [82.995061475971]
  脳における言語選択性の簡潔な説明を生成するためのフレームワークである生成因果テスト(GCT)を提案する。 GCTは機能的選択性に類似した脳領域の細粒度の違いを識別できることを示す。
  論文  参考訳（メタデータ） (2024-10-01T15:57:48Z)
• LLMvsSmall Model? Large Language Model Based Text Augmentation Enhanced Personality Detection Model [58.887561071010985]
  パーソナリティ検出は、ソーシャルメディア投稿に根ざした性格特性を検出することを目的としている。 既存のほとんどのメソッドは、事前訓練された言語モデルを微調整することで、ポスト機能を直接学習する。 本稿では,大規模言語モデル (LLM) に基づくテキスト拡張強化人格検出モデルを提案する。
  論文  参考訳（メタデータ） (2024-03-12T12:10:18Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• Self-supervised models of audio effectively explain human cortical responses to speech [71.57870452667369]
  我々は、自己教師型音声表現学習の進歩に乗じて、人間の聴覚システムの最先端モデルを作成する。 これらの結果から,ヒト大脳皮質における音声処理の異なる段階に関連する情報の階層構造を,自己教師型モデルで効果的に把握できることが示唆された。
  論文  参考訳（メタデータ） (2022-05-27T22:04:02Z)
• The state-of-the-art in text-based automatic personality prediction [1.3209941988151326]
  パーソナリティ検出は心理学における古い話題であり、自動パーソナリティ予測(または知覚) (APP) である。 APPは、テキスト、スピーチ、画像、ビデオなど、さまざまなタイプの人間が生成/交換したコンテンツに対して、人格を自動(計算的に)予測する。
  論文  参考訳（メタデータ） (2021-10-04T04:51:11Z)
• Extending the Abstraction of Personality Types based on MBTI with Machine Learning and Natural Language Processing [0.0]
  MBTIに基づく人格型予測のための自然言語処理(NLP)を用いたデータ中心型アプローチ 実験は、積み重ねられたモデルの堅牢なベースラインを持っていた。 その結果、データ反復ループへの注目は、より関連性の高い/重要なリソースの抽象化のための品質、説明力、代表性に焦点が当てられた。
  論文  参考訳（メタデータ） (2021-05-25T10:00:16Z)
• 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。