Automatic Personality Prediction: [AAAI 2020] Modeling Personality with Focused Networks and Contextual Embeddings

简介：
本文提出了一种基于聚焦网络和上下文嵌入建模个性的方法，用于自动人格预测，并在AAAI 2020会议上发表。通过深度学习技术改进了对个体性格特质的理解与预测。 本项目旨在介绍用于AAAI 2020学生摘要接受论文的注意力网络及上下文嵌入（如BERT和roBERTa）的应用，并探讨其在“FriendsPersona”与“Essays”两个数据集上的性能表现。“FriendsPersona”是我们的首个对话型数据集，采用新颖且可扩展的算法实现自动人格识别。我们在此数据集中建立了坚实基准，在此之上取得了最新成果；同时也在标准的基于文本的人格识别基准——“散文”（Essays）数据集上实现了当前最佳结果。 基于文本的自动化人格评估是计算心理语言学中的一个重要研究领域，致力于通过分析个体的文字表达来推断其性格特质。通常采用大五人格理论框架进行测量，该理论涵盖五个维度：宜人性（AGR）、责任心（CON）、外向性（EXT）、开放性（OPN）和神经质（NEU）。在“散文”数据集上的最新成果进一步证明了我们方法的有效性和准确性。