[논문 리뷰] A Recommender System based on the analysis of personality traits in Telegram social network

Mohammad Javad Shayegan, Mohadese Valizadeh|arXiv (Cornell University)|2020. 10. 01.

Complex Network Analysis Techniques참고 문헌 20인용 수 4

한 줄 요약

이 논문은 Telegram에서 사용자 행동을 분석하여 성격 특성(NEO-PI-R 프레임워크 기반)을 유추하는 성격 기반 추천 시스템을 제안한다. 성격 예측에 코사인 유사도, 나이브 베이즈, 다층 퍼셉트론(MLP)을 활용하며, 코사인 유사도를 사용해 관련 Telegram 채널을 추천하여 사용자 만족도가 65.42%에 도달했다.

ABSTRACT

Accessing people's personality traits has always been a challenging task. On the other hand, acquiring personality traits based on behavioral data is one of the growing interest of human beings. Numerous researches showed that people spend a large amount of time on social networks and show behaviors that create some personality patterns in cyberspace. One of these social networks that have been widely welcomed in some countries, including Iran, is Telegram. The basis of this research is automatically identifying users' personalities based on their behavior on Telegram. For this purpose, messages from Telegram group users are extracted, and then the personality traits of each member according to the NEO Personality Inventory are identified. For personality analysis, the study is employed three approaches, including; Cosine Similarity, Bayes, and MLP algorithms. Finally, this study provides a recommender system that uses the Cosine similarity algorithm to explore and recommend relevant Telegram channels to members according to the extracted personalities. The results show a 65.42% satisfaction rate for the recommender system based on the proposed personality analysis.

연구 동기 및 목표

• 사용자의 Telegram 메시징 행동에서 자동으로 성격 특성을 유추하는 것.
• 기존 심리학적 모델을 활용해 Telegram 그룹 내 행동 패턴을 통해 성격을 예측할 수 있는지 탐색하는 것.
• 유추된 성격 특성을 활용해 관련 Telegram 채널을 제안하는 개인화된 추천 시스템을 설계하고 평가하는 것.
• 다양한 알고리즘—코사인 유사도, 나이브 베이즈, MLP—의 성격 특성 예측 성능을 비교하는 것.
• 사용자 만족도 지표를 통해 최종 추천 시스템의 효과성을 평가하는 것.

제안 방법

• Telegram 그룹에서 수집한 메시지를 분석하기 위해 사전 처리하였다.
• 심리학적 프레임워크로 NEO 성격 인벤토리(NEO-PI-R)를 사용하여 성격 특성을 유추하였다.
• 텍스트 기반 행동에서 성격 특성을 예측하기 위해 코사인 유사도, 나이브 베이즈, 다층 퍼셉트론(MLP)의 세 가지 분류 방법을 적용하였다.
• 최종 추천 엔진으로서 성능을 고려해 코사인 유사도 알고리즘을 선택하였다.
• 유추된 성격 프로파일 간 유사도를 기반으로 사용자에게 관련 Telegram 채널을 추천한다.
• 추천 메커니즘의 효과성을 평가하기 위해 사용자 만족도를 측정하였다.

실험 결과

연구 질문

• RQ1 사용자의 Telegram 메시징 행동에서 성격 특성을 신뢰성 있게 유추할 수 있는가?
• RQ2 소셜 미디어 텍스트에서 성격 특성을 예측할 때, 코사인 유사도, 나이브 베이즈, 또는 MLP 중 어떤 알고리즘이 가장 우수한 성능을 보이는가?
• RQ3 성격 기반 추천 시스템은 관련 Telegram 채널을 효과적으로 추천하는가?
• RQ4 유추된 성격 특성 기반으로 채널을 추천하는 시스템이 달성할 수 있는 사용자 만족도 수준은 어느 정도인가?

주요 결과

• 성격 유추 모델은 관련 Telegram 채널을 사용자에게 추천하는 데 있어 65.42%의 만족도를 달성했다.
• 최종 추천 작업에서 코사인 유사도가 나이브 베이즈와 MLP를 모두 압도하여 생산 시스템의 기반으로 채택되었다.
• Telegram 그룹 메시지의 행동 패턴은 심리학적 모델을 활용해 신뢰성 있게 성격 특성을 유추할 수 있는 충분한 신호를 포함하고 있다.
• 성격 기반 필터링 통합은 비개인화된 접근 방식에 비해 추천의 관련성 향상에 크게 기여했다.
• 이 연구는 메시징 플랫폼에 성격 분석을 적용해 개인화된 콘텐츠 제공을 구현할 수 있음을 입증했다.