融合多通道信息的社交网络人格预测模型

• 作者: 孙丽璐 董森 陈孟维 朱玲 朱小飞 张袁籽妍 冯榆
• 来源期刊: 太原理工大学学报
• 学科: 地球科学
• 关键词: 大五人格 社交网络 人格预测 深度学习 多通道信息
• 年，卷（期）: 2024,（3）
• 页码范围: 102-110
• 页数: 9页
• 语种: 中文
• DOI: 10.16355/j.cnki.issn1007-9432tyut.2023.03.014

摘要

构建了融合多通道信息的社交网络人格预测模型(MCIPP),在深度学习框架内用客观行为数据自动预测用户人格特质,并分析用户在线行为与其线下人格特质是否具有一致性.具体而言,利用双向长短期记忆网络(BiLSTM)和注意力机制(Attention)捕捉文本的上下文语义特征,通过图卷积网络((GCN)构造句法依存树,得到基于句法的结构表示,将 Attention 融入主题模型(Topic Model)从而提取深层语义信息,最后共同输入 Softmax 层得到用户微博的人格倾向.结果表明:MCIPP 模型预测效果较好,准确率最高可达 0.806 4.个体线上线下对应维度存在显著正相关,因此可采用该模型对用户网络数据进行心理建模,使理论驱动的心理科学研究能够客观解读个体心理和行为.