Oct, 2020

基于 BERT 词向量集成的袋化支持向量机实现人格特质检测

PDF
TL;DR本文介绍了一种基于深度学习技术的自动化文本人格检测方法，采用 BERT 语言模型提取文本数据中的上下文词嵌入，并结合心理语言学特征与 Bagged-SVM 分类器进行计算，实现高效人格预测模型，并在金标准文章数据集上对模型进行实验并证实其优势。
发现论文，激发创造
  • 从语言行为出发的人格检测：一个 Transformer 结合了心理语言学特征文字轮廓

    本文介绍基于语言使用进行人格预测的交叉性研究，报道了用于文本数据的最全面的心理语言学特征和混合模型的两个主要改进，实验结果表明，这些模型优于同一数据集上的现有工作，并通过对心理语言学特征的不同类别进行消融实验来量化其影响。

    Apr, 2022

  • 使用 BERT 和 SVM 集成模型对推文进行情感检测

    本文提出了一种方法，通过将中性情绪加入到包含恐惧、悲伤、喜悦和愤怒四种情绪的基准数据集中，构建了一个平衡的数据集。在这个扩展数据集上，我们研究了支持向量机（SVM）和双向编码器表示转换器（BERT）在情感识别中的应用，并提出了一种将两种模型结合的新型集成模型。实验结果表明，该模型在推特情感识别中实现了 0.91 的准确率。

    Aug, 2022

  • 使用注意力网络和上下文嵌入进行单人独白和多人对话的自动文本个性识别

    本文创建了首个基于对话的个性化数据集，并使用预先训练的语境嵌入和注意力神经网络等方法探索自动个性识别新方法，通过对两种数据集的比较，展示了在多方对话中建模个性所面临的挑战。

    Nov, 2019

  • 短文本个性特质识别的语言无关和组合模型

    通过深度学习方法和文本的原子特征 —— 字符，建立层次化的句向量表示，应用于推文语料库中，有效识别出作者人格特质，与先前基于浅层学习模型的工作相比，在五个特质和三种语言（英语、西班牙语和意大利语）中表现最优，结果鼓舞人心，揭示了检测复杂人类特质的可能性。

    Oct, 2016

  • 多层次句子嵌入用于人格预测

    通过 AdaCos 损失函数对上层句子空间进行训练，并使用基于余弦相似度的新型损失函数进行微调，我们成功地将文本表示为多维空间中的向量，实现了在拥有复杂多级结构的数据集中进行文本分类的目标。

    May, 2023

  • 通过跨模态嵌入增强明显人格特征分析

    用深度神经网络进行多模态的自动个性化特征评估，以提高人机交互的质量。

    May, 2024

  • 利用自然语言学习个性特征的神经网络

    本研究使用神经网络和分布式算法来提取文本的隐藏性信息，研究人员从心理学文献定义的五大人格特征（Big Five）的形容词词典开始，并构造了包含文本语义信息的嵌入，证明了个人写作风格与其人格特征密切相关。

    Feb, 2023

  • 使用监督机器学习和 BERT 模型进行在线虚假评论检测

    本研究提出使用 BERT 模型从文本（即评论）中提取词嵌入来改进现有的虚假评论分类或检测方法，结果表明 SVM 分类器在准确度和 F1 得分方面优于其他分类器，并且比之前的研究中使用的分类器高出 7.6％。

    Jan, 2023

  • 利用基于机器学习的模型进行个性识别

    本文提出一种基于深度学习的方法，结合了卷积神经网络和 AdaBoost 算法对人格进行自动识别，并在 Essay 数据集上得到了比机器学习和深度学习方法更优的实验结果。

    Jan, 2022

  • 使用预先训练的语言模型将 Myers-Briggs 人格分类应用于社交媒体文本

    本文讨论了自然语言处理中预训练语言模型在个性化分类方面的应用，并使用 BERT 模型在 MBTI 人格模型上进行了实验，发现该方法在多个评估场景下显著优于基于词袋和静态词嵌入的文本分类模型，并且通常优于前人在该领域的工作。

    Jul, 2022