通过社交媒体数据的自然语言使用，我们研究了推断一组新的人类特征的过程，并通过与五因素人格模型的比较得出，语言基础特质的构建更具普适性，并且在某些方面比基于问卷的特质更能预测一些基于实体的结果，从而为新的个性化构建提供了一定的参考价值。

May, 2017

本研究旨在研究人格特质对内容推荐模型的影响，通过一个名为 PersiC 的创新的基于人格特质的多视角内容推荐引擎，进行实验和现实案例研究，结果表明它不仅能够有效地具有人格驱动的多视角内容推荐能力，而且能够提出行之有效的数字广告策略建议，将数字广告效率提高了 420% 以上，相较于最初的人为指导方法。

Jul, 2022

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

使用推特数据集跟踪语言变化，揭示了语言变化是一种社会影响，基于 Hawkes process 模型验证了社交网络中的强关系在语言影响中扮演重要角色。

Sep, 2016

通过在线平台分享的内容观察个人行为和心情变化的识别已成为越来越重要的课题，本研究定义了一项新的任务，即基于个人在线共享内容识别个人变化时刻，我们在此基础上开发了几种基线模型，并引入了适应上下文的顺序建模的新度量。

May, 2022

研究表明，不同和相互冲突的社区由显示相似心理特点的用户填充，科学和阴谋主义回响室中的主导个性模型相同，并且回响室内的稳定略微改变了用户的心理特征。

Jun, 2016

通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

Oct, 2012

利用大型语言模型（LLMs）如 ChatGPT 从用户的数字足迹中推断个体的心理特征，研究发现 GPT-3.5 和 GPT-4 可以在零样本学习情景下从用户的 Facebook 状态更新中推导出五大人格特征，但结果显示推断得分与自我报告的特征分数之间的平均相关性为 r = .29（范围 =[.22, .33]），并且推断的人格特征存在性别和年龄方面的偏差。

Sep, 2023

提出了一种双增强网络（DEN）来共同建模用户的长期和短期个性，以进行文本个性检测，并在两个个性检测数据集上展示了 DEN 模型的效果和同时考虑个性特征的动态和稳定性的益处。

Apr, 2024

本文通过对 Twitter 上热门话题的深入研究，提供了形成、持久性和衰退趋势的理论基础，并从实证角度证明用户活动和关注者数量不是趋势创造和传播的强因素，事实上，内容与社交网络用户的共鸣在推动趋势中起着重要作用。

Feb, 2011