論文の概要: Enhancing Personality Recognition by Comparing the Predictive Power of Traits, Facets, and Nuances

• arxiv url: http://arxiv.org/abs/2602.05650v1
• Date: Thu, 05 Feb 2026 13:35:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.948973
• Title: Enhancing Personality Recognition by Comparing the Predictive Power of Traits, Facets, and Nuances
• Title（参考訳）: トラスト, 顔, ニュアンスの予測力の比較によるパーソナリティ認識の促進
• Authors: Amir Ansari, Jana Subirana, Bruna Silva, Sergio Escalera, David Gallardo-Pujol, Cristina Palmero,
• Abstract要約: パーソナリティ認識モデルは、行動データから性格特性を推定することを目的としている。 モーダル間(音響)とオブジェクト間(ダイアド・アウェア)のアテンション機構を含むトランスフォーマーベースモデルを訓練した。 その結果、ニュアンスレベルのモデルはファセットやトラストレベルのモデルよりも一貫して優れており、平均2乗誤差を最大74%削減できることがわかった。
• 参考スコア（独自算出の注目度）: 37.83859643892549
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personality is a complex, hierarchical construct typically assessed through item-level questionnaires aggregated into broad trait scores. Personality recognition models aim to infer personality traits from different sources of behavioral data. However, reliance on broad trait scores as ground truth, combined with limited training data, poses challenges for generalization, as similar trait scores can manifest through diverse, context dependent behaviors. In this work, we explore the predictive impact of the more granular hierarchical levels of the Big-Five Personality Model, facets and nuances, to enhance personality recognition from audiovisual interaction data. Using the UDIVA v0.5 dataset, we trained a transformer-based model including cross-modal (audiovisual) and cross-subject (dyad-aware) attention mechanisms. Results show that nuance-level models consistently outperform facet and trait-level models, reducing mean squared error by up to 74% across interaction scenarios.
• Abstract（参考訳）: パーソナリティ(Personality)は、典型的には、幅広い特徴スコアに集約された項目レベルのアンケートによって評価される複雑で階層的な構成である。 パーソナリティ認識モデルは、行動データから性格特性を推定することを目的としている。 しかしながら、幅広い特徴スコアを基礎的真理として依存し、限られた訓練データと組み合わせることで、類似した特徴スコアが多様な文脈依存行動を通じて現れるため、一般化のための課題を提起する。 本研究では、音声視覚インタラクションデータから人格認識を高めるために、ビッグファイブ・パーソナリティ・モデル(Big-Five Personality Model)、ファセット、ニュアンス(Nuances)のよりきめ細かな階層レベルの予測的影響について検討する。 UDIVA v0.5データセットを用いて、モーダル(オーディオビジュアル)とクロスオブジェクト(ダイアド・アウェア)のアテンション機構を含むトランスフォーマーベースモデルを訓練した。 その結果、ニュアンスレベルのモデルはファセットやトラストレベルのモデルよりも一貫して優れており、平均2乗誤差を最大74%削減できることがわかった。

関連論文リスト

• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• 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)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• An Open-source Benchmark of Deep Learning Models for Audio-visual Apparent and Self-reported Personality Recognition [10.59440995582639]
  パーソナリティは、人間の日常生活や作業行動の多様さを決定づけ、人間の内外的状態を理解するのに不可欠である。 近年,非言語的音声視覚行動に基づいて,対象者の見かけの個性や自己報告の個性を予測するために,多数の自動パーソナリティコンピューティング手法が開発されている。 一貫性のある実験的な設定の標準ベンチマークがないため、これらのパーソナリティコンピューティングモデルの実際の性能を適切に比較することは不可能であり、再現も困難である。 既存の8つのパーソナリティ・コンピューティング・モデルに対して公平かつ一貫した評価を提供するために,最初の再現可能な音声視覚ベンチマーク・フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-17T14:40:04Z)
• Model-agnostic Fits for Understanding Information Seeking Patterns in Humans [0.0]
  不確実な意思決定タスクでは、人間はそのタスクに関連する情報を探し、統合し、行動する際、特徴的なバイアスを示す。 ここでは,これらのバイアスを総合的に測定・分類した,大規模に収集した先行設計実験のデータを再検討した。 これらのバイアスを集約的に再現するディープラーニングモデルを設計し、個々の行動の変化を捉えます。
  論文  参考訳（メタデータ） (2020-12-09T04:34:58Z)

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。