[论文解读] Personalized Emphasis Framing for Persuasive Message Generation

Tao Ding, Shimei Pan|arXiv (Cornell University)|Jul 29, 2016

Media Influence and Health参考文献 34被引用 5

一句话总结

本文提出了一种个性化强调框架模型，用于说服性信息生成，该模型基于人格和价值观等心理动机的、与领域无关的特质来选择内容。通过将基于回归的特质到重要性映射与交互规则及级联排序模型相结合，该模型在人类判断中的Top-1一致率达到62%，Top-3一致率达到87%，显著优于仅使用方面值的基线模型。

ABSTRACT

In this paper, we present a study on personalized emphasis framing which can be used to tailor the content of a message to enhance its appeal to different individuals. With this framework, we directly model content selection decisions based on a set of psychologically-motivated domain-independent personal traits including personality (e.g., extraversion and conscientiousness) and basic human values (e.g., self-transcendence and hedonism). We also demonstrate how the analysis results can be used in automated personalized content selection for persuasive message generation.

研究动机与目标

• 开发一种自动化模型，实现个性化强调框架，根据个体心理特质定制说服性信息。
• 超越特定领域的用户偏好，使用人格和基本人类价值观等与领域无关的个人特质。
• 将心理学洞察融入级联内容选择模型，以实现高效的自动化说服性信息生成。
• 评估该模型在汽车广告方面选择任务中与人类判断的一致性表现。

提出的方法

• 该模型使用回归模型，基于外向性、自我超越等用户特质预测信息方面的重要性感知。
• 应用交互规则（如Safety-1、Quality-1）在特定特质阈值被超越时调整方面排名。
• 采用级联内容选择流水线，结合回归预测与基于规则的调整对方面进行重新排序，以优化最终输出。
• 该模型在包含380个AMT参与者对10款汽车的380个人工标注方面选择结果的数据集上进行训练与评估。
• 使用基于差值的阈值机制（δ₁=0，δ₂=0.5）确定在重新排序过程中何时应用交互规则。
• 评估通过比较模型输出与人类选择结果的Top-n重叠百分比进行，统计显著性通过配对t检验验证。

实验结果

研究问题

• RQ1 个体人格特质和基本人类价值观在多大程度上影响信息方面的重要性感知？
• RQ2 计算模型能否有效利用与领域无关的心理特质预测个性化方面的重要性？
• RQ3 结合基于特质的预测与交互规则的级联内容选择模型，在多大程度上能匹配人类方面选择行为？
• RQ4 所提出的模型在多大程度上优于仅依赖方面值的基线模型？

主要发现

• 所提出的级联内容选择模型在Top-1方面与人类选择的一致率达到62%，显著优于基线模型的54%（p ≤ 0.05）。
• 在Top-3方面选择中，模型与人类判断的一致率达到87%，而基线模型仅为46%（p ≤ 0.05）。
• 当δ₁=0且δ₂=0.5时，模型性能最佳，表明该阈值设置为交互规则应用提供了最优条件。
• 回归模型成功捕捉了基于特质的重要性模式，人格与价值观对方面排名具有显著影响。
• 如Safety-1与Quality-1等交互规则在用户特质超过阈值时有效调整了排名，提升了个性化效果。
• 使用人格与价值观等与领域无关的特质，使模型在不同领域间具备强大泛化能力，优于依赖特定领域偏好的系统。