文献

J-GLOBAL ID：202102289340542124   整理番号：21A0447808

人格特性を予測する機械学習技法を用いたインタビューデータ解析【JST・京大機械翻訳】

Interview Data Analysis using Machine Learning Techniques to Predict Personality Traits

著者 (2件)： Chopra Sejal (Birla Institute of Technology and Science Pilani,Dubai Dubai International Academic City,Department of Computer Science,Dubai,UAE) ,  Urolagin Siddhaling (Anuradha and Prashanth Palakurthi Centre for AI Research Birla Institute of Technology and Science Pilani,Dubai Dubai International Academic City,Department of Computer Science,Dubai,UAE)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ITT  ページ： 48-53  発行年： 2020年 
JST資料番号： W2441A  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,MITインタビューデータセットを分析し,様々な韻律特徴(強度,ピッチ,周波数など)と,インタビューにおける仮想評価を得る人の尤度の間の関係を見出す。これらの韻律的特徴は,候補が如何に関与しているか,または,優しいもののような,いくつかの地上の人々を格付けするのを助ける。著者らは,いくつかの韻律的特徴だけの選択が,より良い予測結果を与えることができることを実証した。これは,ΔΨEngage’,ΔΨExcited’,ΔΨFrendly’,ΔΔCalm’,およびΔΨSpeaking Rate’のような5つの人格特性のために,‘欲な特徴除去技術を用いて,トップ特徴を選択することによって行われた。ε′′Engaged’と′′Excited’のような形質では,強度に関係する韻律的特徴が主要な役割を果たすことが分かった。パーソナリティの形質の‘意のために,休止のピッチと継続時間のような韻律的特徴はより適切である。同様に,パーソナリティ形質ΔCalmでは,ピッチに関連する韻律的特徴が主要な役割を果たす。一旦トップ特徴を選択した場合,これらの人格特性を予測するための最良の方法を決定するために,10倍交差検証による3つの異なる回帰モデルを適用した。これらの回帰モデルを,経験的結果に基づいて,負の平均二乗誤差,決定係数,その他を計算して評価し,決定木は,選択した韻律特徴に基づく人格特性を予測する最良の方法であることを証明した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： データ解析 ,  ディシジョンツリー ,  回帰モデル ,  継続時間 ,  *機械学習 ,  面接調査
準シソーラス用語： 韻律 ,  平均二乗誤差 ,  尤度 ,  決定係数 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 予測 ,  機械学習 ,  技法 ,  インタビュー ,  データ解析