umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Lexical-semantic resources: yet powerful resources for automatic personality classification
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Database and Data Mining)ORCID-id: 0000-0001-8820-2405
Amazon Research Germany.
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för datavetenskap. (Database and Data Mining)
UKP Lab, Computer Science Department, Technische Universitat Darmstadt.
2018 (Engelska)Ingår i: Proceedings of the 9th Global WordNet Conference (GWC 2018) / [ed] Francis Bond, Takayuki Kuribayashi, Christiane Fellbaum, Piek Vossen, Singapore: Nanyang Technological University (NTU) , 2018, , s. 10s. 173-182Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

In this paper, we aim to reveal the impact of lexical-semantic resources, used in particular for word sense disambiguation and sense-level semantic categorization, on automatic personality classification task. While stylistic features (e.g., part-of-speech counts) have been shown their power in this task, the impact of semantics beyond targeted word lists is relatively unexplored. We propose and extract three types of lexical-semantic features, which capture high-level concepts and emotions, overcoming the lexical gap of word n-grams. Our experimental results are comparable to state-of-the-art methods, while no personality-specific resources are required.

Ort, förlag, år, upplaga, sidor
Singapore: Nanyang Technological University (NTU) , 2018. , s. 10s. 173-182
Nyckelord [en]
Personality Profiling
Nationell ämneskategori
Datavetenskap (datalogi)
Forskningsämne
datalogi
Identifikatorer
URN: urn:nbn:se:umu:diva-144672ISBN: 978-981-11-7087-4 (tryckt)OAI: oai:DiVA.org:umu-144672DiVA, id: diva2:1181847
Konferens
The 9th Global WordNet Conference GWC2018, Singapore, January 8-12, 2018
Projekt
Privacy-aware Data FederationTillgänglig från: 2018-02-09 Skapad: 2018-02-09 Senast uppdaterad: 2019-08-22Bibliografiskt granskad

Open Access i DiVA

fulltext(434 kB)1 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 434 kBChecksumma SHA-512
89fd368d8f110f8bb0553ec930e5647f3b9126238a2f8fba99b996eb403c2f865c14c480829e1ce1299c5e5e1eaee298de81a7b2373b4ca18acf92d531c4f754
Typ fulltextMimetyp application/pdf

Övriga länkar

URL

Personposter BETA

Vu, Xuan-SonLili, Jiang

Sök vidare i DiVA

Av författaren/redaktören
Vu, Xuan-SonLili, Jiang
Av organisationen
Institutionen för datavetenskap
Datavetenskap (datalogi)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 1 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

isbn
urn-nbn

Altmetricpoäng

isbn
urn-nbn
Totalt: 126 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf