social context | BriefGPT - AI 论文速递

关键词social context

搜索结果 - 13

ICML实用特征偏好：从人类输入中学习与奖励相关的偏好
通过研究人类社会学习观点，将社会背景纳入考虑，并提出了一种从用户特征层次偏好中学习更精确奖励模型的方法，结果表明这种方法能够更高效地与用户对齐并获得准确的奖励。
PDFa month ago
通往类人工智能的社交之路
通过证据的汇集，展示了自然智能是通过不同尺度的互动网络中的智能集体、社会关系和主要进化转变而产生的，这些过程通过种群压力、军备竞赛、马基雅维利选择、社会学习和积累文化等机制促进了新数据的产生，将这些机制整合到智能代理的视角中，表明通过持续的
PDFa month ago
GAMC: 使用图自编码器与掩码的无监督假新闻检测方法
利用图自动编码器与掩码和对比学习的 GAMC，一种无监督的假新闻检测技术，通过利用新闻传播的上下文和内容作为自监督信号，消除了对标记数据集的要求，并通过实验验证了方法的有效性。
PDF7 months ago
笑话语：用笑声生成表情豐富的三维说话头部
本文介绍了一种生成 3D 说话头部并能够表达真实笑声的新方法，通过 2D 视频和 3D 参数数据集的配对，展示了一种基于两阶段训练方案的强大基线模型，该模型在说话头部生成和表达笑声信号方面相比现有方法表现出优越性，并探索了真实化角色控制的潜
PDF8 months ago
生活经验至关重要：自动检测社交媒体上对药物使用者的耻辱态度
本文利用 Reddit 帖子数据集，研究对滥用物质人群的污名化现象和用机器学习框架对 Reddit 文章进行划分的方法，并提出社会语境对于处理此类机器学习任务的重要性。
PDFa year ago
EMNLP政治演员表示学习：基于社交背景和专家知识的方法
该研究提出了 PAR 学习框架，该框架利用社会背景和专家知识，学习政治人物的代表性，以更好地理解政治文本，并成功提升了政治观点检测和投票预测的最新技术水平。
PDF2 years ago
基于图神经网络的社交背景建模用于假新闻检测
研究分析了基于混合图神经网络和 transformer 模型的社交语境对于发现假新闻的作用，并且在 PolitiFact 和 Gossipcop 数据集上获得了 0.91 和 0.93 的 f1 得分，表现优于基线模型。
PDF2 years ago
EMNLPLMSOC: 社交敏感预训练方法
本论文提出了一种将社会背景信息融入大规模语言模型的方法，并在地理敏感的语言建模任务中取得了显著的提升。
PDF3 years ago
MobTCast：利用辅助轨迹预测进行人类移动预测
本文提出了 MobTCast：一种基于 Transformer 结构的上下文感知的网络模型，用于预测未来的兴趣点（POIs）。此模型探究了 4 种上下文对预测的影响：时间，语义，社交和地理位置，并通过引入自我注意机制和地理位置预测分支以及一
PDF3 years ago
ACL主观行为和意图在对话中的作用：一项探讨
研究探讨互动的语言表现往往含蓄隐晦，需要借助解释者自身的假设和信念进行推断并遵循社会背景，而目前的数据和框架往往仅考虑单一正确的解释，在此研究者提出了一份多维度和主观感性的英语对话的数据集，并设计了计算模型来证明解释者的偏见、不同的语境等因
PDF3 years ago
基于潜在信仰能量模型的轨迹预测
介绍一种概率模型 (LB-EBM) 用于多样化的人类轨迹预测，该模型通过定义在潜在空间中的代价函数来考虑运动历史和社交背景，并且采用经验演示进行学习。从该模型中采样或优化得出信念向量，用于路径规划和长程轨迹预测，并在数据集上表现优于之前的最
PDF3 years ago
MM-COVID: 用于打击 COVID-19 虚假信息的多语言和多模态数据存储库
为了更好地应对 COVID-19 假新闻，我们提出了一个新的假新闻数据集 MM-COVID（多语言和多维 COVID-19 假新闻数据存储库），该数据集提供了多语言假新闻和相关社会背景。我们从不同角度对 MM-COVID 进行了详细的探索性
PDF4 years ago
FANG：利用图表示法结合社交环境进行假新闻检测
本研究提出了基于社交上下文的图表达与学习框架 ——Factual News Graph (FANG)，用于解决假新闻检测问题。与以往的上下文模型不同，我们的重点在于表示学习。实验结果表明，FANG 能够更好地捕捉社交上下文，并且针对有限的训
PDF4 years ago