基于个性化的社交多媒体内容推荐
通过分析个人的在线数字足迹，我们比较和研究了逻辑回归、朴素贝叶斯、支持向量机和随机森林等四个模型在预测人们完整性格类型方面的准确性和多样性，结果显示 SVM 模型以 20.95% 的准确性表现最优，尽管逻辑回归模型稍有劣势，但培训速度和预测性能明显更快，我们发现社交媒体上的个人特征标记数据集以及其他数据集都存在较大的类别不平衡问题，因此强调了在这些数据集上报告模型性能时需予以谨慎，同时我们比较了几种解决类别不平衡问题的方法，并开发了一个统计框架来评估模型中不同特征集的重要性，研究发现，对于直觉 / 感知模型（p = 0.032）和思维 / 情感模型（p = 0.019），某些特征相对于其他特征更具信息量，尽管我们将这些方法应用于 Myers-Briggs 性格分类中，但它们也可以更广泛地用于社交媒体上对个体的标记。
Sep, 2023
通过建立一个包含图像字幕模型和品牌个性化社交媒体字幕生成模型的流水线解决方案，我们提出一种协助品牌创作符合图像和品牌个性的吸引人社交媒体字幕的方法，使用者可以灵活地提供希望包含在字幕中的主题标签、Instagram 账号、URL 和命名实体，从而使字幕内容与社交媒体标识更有语义相关性。我们的方法在定性和定量的评估中与各种基准方法进行比较，证明了其有效性。
Jan, 2024
本文旨在研究设计面向用户的策略推荐系统时需要考虑的重要因素。我们进行了一项人体实验，测量了不同性格类型的用户对不同策略推荐系统的偏好，并发现某些人格特征明显影响了特定类型的系统的偏好。最后，我们报告了推荐的可用性、一致性和感知智能之间的有趣关系，其中更高的一致性与个人偏好推荐会导致更高的感知智能和可用性。
Jan, 2023
自动检测个性特征的研究方法已引起计算语言学领域的广泛关注，本文针对此领域中数据集有限的问题，收集和发布了一个包含 1.52 亿推文和 5.6 万份数据点的研究社区最大的自动整理数据集，以用于预测迈尔斯 - 布里格斯（MBTI）人格类型，通过对数据进行定性和定量研究，分析了数据的模式，并得出了相应的结论。
Sep, 2023
该研究介绍并评估了一种基于个人偏好识别的推荐系统方法，即 Personality Diagnosis (PD)，它具有传统相似度加权技术的优点，并能提供有意义的概率解释，同时支持价值信息计算。
Jan, 2013
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
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
本文演示了一种创新的营销内容生成平台 SoMin.ai，该平台基于多视角的人格轮廓框架和风格生成对抗网络，为不同人格类型的用户自动生成内容，从而增强了社交网络用户体验和数字营销活动的效果，本文的创新之处在于所提出的多视角人格轮廓框架在内容生成方案中有很好的表现。
Nov, 2020
本研究通过构建新的基于《生活大爆炸》电视节目的数据集，并引入 MBTI 个性化能力，提出了一种新的人本多模态推理 (Personality-aware HMR) 任务及相应的基准方法，并在此基础上进一步提出了一项人格预测多模态推理 (Personality-predicted HMR) 任务及其对应的方法，实验证明个性化信息能够有效提高人本多模态推理的性能。
Apr, 2023