[論文レビュー] My tweets bring all the traits to the yard: Predicting personality and relational traits in Online Social Networks

Dimitra Karanatsiou, Pavlos Sermpezis+4 more|arXiv (Cornell University)|Sep 22, 2020

Complex Network Analysis Techniques被引用数 4

ひとこと要約

本論文は、言語的、行動的、感情的特徴を組み合わせた特徴工学的手法を用いて、ソーシャルメディア行動から個々の性格特徴および関係的特徴（例：アタッチメント様式）を予測する機械学習モデルを提案する。心理的理論を基盤とし、特徴間の相関関係を活用するこのモデルは、最先端の手法を上回る高い正確性を達成し、心理的プロファイルのみに基づいて、ランダムなユーザーと組織のリーダーを明確に区別できる。

ABSTRACT

Users in Online Social Networks (OSN) leaves traces that reflect their personality characteristics. The study of these traces is important for a number of fields, such as a social science, psychology, OSN, marketing, and others. Despite a marked increase on research in personality prediction on based on online behavior the focus has been heavily on individual personality traits largely neglecting relational facets of personality. This study aims to address this gap by providing a prediction model for a holistic personality profiling in OSNs that included socio-relational traits (attachment orientations) in combination with standard personality traits. Specifically, we first designed a feature engineering methodology that extracts a wide range of features (accounting for behavior, language, and emotions) from OSN accounts of users. Then, we designed a machine learning model that predicts scores for the psychological traits of the users based on the extracted features. The proposed model architecture is inspired by characteristics embedded in psychological theory, i.e, utilizing interrelations among personality facets, and leads to increased accuracy in comparison with the state of the art approaches. To demonstrate the usefulness of this approach, we applied our model to two datasets, one of random OSN users and one of organizational leaders, and compared their psychological profiles. Our findings demonstrate that the two groups can be clearly separated by only using their psychological profiles, which opens a promising direction for future research on OSN user characterization and classification.

研究の動機と目的

• 性格特徴の予測研究において、アタッチメント様式などの関係的特徴がほとんど無視されているというギャップを埋めるため。
• オンラインソーシャルネットワークにおける標準的でない性格特徴と社会的関係的次元を統合する包括的な性格プロファイリングモデルを開発するため。
• OSNユーザーアカウントからの行動、言語、感情のパターンを捉える特徴工学的手法を設計するため。
• 心理的理論に基づいて設計され、性格の側面間の相関関係を活用することで予測精度を向上させる機械学習モデルを構築するため。
• ランダムなOSNユーザーと組織のリーダーを含む多様なユーザー群を対象にモデルを評価し、その分類能力を検証するため。

提案手法

• 言語的、行動的、感情的特徴をユーザーのツイートから抽出する包括的な特徴工学パイプラインを採用。
• 語彙多様性、感情表現、代名詞使用、文構造の複雑さなどを含む特徴が、性格および関係的特徴を表現する。
• モデルアーキテクチャは心理的理論に基づいて設計され、性格の側面間の相関関係を明示的にモデル化することで、予測性能を向上。
• 標準化された性格およびアタッチメント様式尺度のスコアを予測するため、ラベル付きユーザーデータを用いた教師あり機械学習手法を適用。
• 2つのデータセット（ランダムなOSNユーザーと組織のリーダー）を用い、交差検証および分類指標を用いてモデルを評価。
• グループ間の心理的プロファイルを比較し、モデルのユーザー特徴化および分類における有効性を評価。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、ソーシャルメディアコンテンツから個々の性格特徴およびアタッチメント様式などの関係的特徴を効果的に予測できるか？
• RQ2 心理的理論に基づいて性格の側面間の相関関係を組み込むことで、標準的手法と比較して予測精度がどのように向上するか？
• RQ3 ソーシャルメディア行動から導かれる心理的プロファイルは、ランダムユーザーと組織のリーダーといった異なるユーザータイプをどの程度明確に区別できるか？
• RQ4 オンラインソーシャルネットワークにおいて、性格および関係的特徴を最も効果的に予測する具体的な言語的、行動的、感情的特徴は何か？

主な発見

• 本モデルは、性格の側面間の相関関係を活用することで、最先端のアプローチを上回る高い予測正確性を達成した。
• 本モデルは、心理的プロファイルのみに基づいて、ランダムなOSNユーザーと組織のリーダーを明確に区別できた。
• アタッチメント様式のような関係的特徴は、心理的プロファイルの分類能力を高める上で顕著な寄与を示した。
• 代名詞使用、感情表現、語彙多様性といった言語的特徴は、性格および関係的特徴の両方の予測において強力な予測因子であった。
• 性格プロファイリングに社会的関係的次元を統合することで、オンラインソーシャルネットワークにおけるユーザーの特徴化および分類能力が向上した。