利用基于机器学习的模型进行个性识别
本文综述了情感计算领域中采用的用于自动预测人格特质的机器学习模型，重点是基于深度学习的方法以及多模态方法，包括了计算数据集，实际应用及最新的机器学习模型。
Aug, 2019
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
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
研究表明，大规模语言模型虽然可以输出流畅的文本，但它们也捕捉到人类偏见。本文研究了面向开放式文本生成的几种大规模语言模型的人格特征和训练集，使用问卷设计了人格评估，并用零 - shot 分类器将文本回答分类到可量化的特征中，研究了可以改变这些人格特征的方法。
Apr, 2022
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。
Oct, 2020
提出一种基于卷积神经网络的人物识别系统，针对不同的身体线索和训练数据量的信息量，系统的常见故障模式进行了深入分析，并讨论了现有基准的局限性并提出更具挑战性的基准，其简单易用且在社交媒体照片数据集（PIPA）上达到了更好的成果。
Sep, 2015
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
本文提出了使用深度卷积神经网络结合面部标志信息来估计面部属性的新方法，并在新的面部属性数据集上进行了实证分析，结果显示该方法相对于基线方法在多个面部属性上均有显著提升。
May, 2016