文献

J-GLOBAL ID：202002265862479126   整理番号：20A1930567

製品次元に基づくグループ性能のタスク独立マルチモーダル予測【JST・京大機械翻訳】

Task-independent Multimodal Prediction of Group Performance Based on Product Dimensions

著者 (2件)： Miura Go (Japan Advanced Institute of Science and Technology, Japan) ,  Okada Shogo (Japan Advanced Institute of Science and Technology, Japan)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMI ’19  ページ： 264-273  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,複数のグループ会議タスクに対する性能を予測するためのモデルを開発するためのアプローチを提案し,そこではモデルには明確な正しい回答がない。本論文は,「製品次元」[Hackman et al.1967](PD)を採用して,グループによって生成される書かれた通路の一般的特性を記述するための次元の集合として提案して,計量グループ出力として,グループによって作り出される。”Hackman et al.1967](PD)を採用した。本研究は,PDの性能計量を注釈することによって,複数の議論セッションを含むMATRICSコーパスと呼ばれるグループ議論コーパスを強化した。単語埋込み技法,トピックセグメンテーション技法,および対話行動と単語レベルに関する音声の部分を用いた機能特徴を用いて語彙レベル特徴を含むグループレベル言語特徴を抽出した。また,音声ターン,韻律,および頭部運動から非言語特徴を抽出した。多重議論データとグループ性能の注釈を含むコーパスを用いて,PDを予測するために回帰モデリングの2種類の実験を行った。最初の実験は,同じ議論タスクから得たサンプルが訓練と試験の両方に含まれる状況において,タスク依存予測精度を評価することである。第2の実験は,議論タスクのタイプが訓練サンプルと試験サンプルの間で異なるという状況において,タスク非依存予測精度を評価することである。この状況において,回帰モデルを開発し,未知の議論タスクにおける性能を推定した。実験結果は,サポートベクトル回帰モデルが,議論タスク依存設定における0.76の相関関係と,タスク独立設定における0.55を保管することを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 言語 ,  語彙 ,  多重化 ,  連絡通路 ,  *多モード ,  回帰モデル ,  単語 ,  コーパス ,  会話
準シソーラス用語： 頭部運動 ,  韻律 ,  予測精度 ,  サポートベクトル回帰 ,  回帰モデリング , 【Automatic Indexing@JST】

著者キーワード (3件)： グループ分析 ,  グループパフォーマンス ,  マルチモーダル

分類 (1件)： パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 次元 ,  グループ ,  タスク ,  マルチモーダル ,  予測