[논문 리뷰] My tweets bring all the traits to the yard: Predicting personality and relational traits in Online Social Networks

Dimitra Karanatsiou, Pavlos Sermpezis외 4명|arXiv (Cornell University)|2020. 09. 22.

Complex Network Analysis Techniques인용 수 4

한 줄 요약

이 논문은 언어적, 행동적, 정서적 특징을 조합한 특징 공학 접근법을 사용하여 소셜 미디어 행동에서 개인 성격 특성과 관계적 특성(예: 애착 성향)을 예측하는 기계학습 모델을 제안한다. 심리학 이론에 기반하고 성격 특성 간 상호관계를 활용한 이 모델은 최첨단 기법보다 높은 정확도를 달성하며, 심리적 프로파일에 기반해 무작위 사용자와 기관 리더를 성공적으로 구분한다.

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.

연구 동기 및 목표

• 주로 애착 성향과 같은 관계적 특성을 간과하는 성격 예측 연구의 격차를 해소하기 위해.
• 온라인 소셜 네트워크에서 표준 성격 특성과 사회적 관계 차원을 통합하는 통합적인 성격 프로파일링 모델을 개발하기 위해.
• OSN 사용자 계정에서 행동, 언어, 정서 패턴을 포괄하는 특징 공학 방법론을 설계하기 위해.
• 심리학 이론에 기반한 기계학습 모델을 설계하여 성격 특성의 상호관계를 활용해 정확도를 향상시키기 위해.
• 다양한 사용자 그룹(무작위 OSN 사용자 및 기관 리더 포함)에 대해 모델을 평가하여 그 분류 능력을 평가하기 위해.

제안 방법

• 사용자 트윗에서 언어적, 행동적, 정서적 특징를 추출하는 종합적인 특징 공학 파이프라인을 구현한다.
• 어휘 다양성, 정서 표현, 대명사 사용, 문법적 복잡성 등의 특징을 포함하여 성격 및 관계적 특성을 표현한다.
• 심리학 이론에 기반한 모델 아키텍처로, 성격 특성 간 상호관계를 명시적으로 모델링하여 예측 성능을 향상시킨다.
• 표준화된 성격 및 애착 성향 척도 점수를 예측하기 위해 레이블이 부여된 사용자 데이터를 기반으로 지도 학습 기반의 기계학습 접근법을 적용한다.
• 교차 검증 및 분류 평가 지표를 사용하여 두 데이터셋(무작위 OSN 사용자 및 기관 리더)에서 모델을 평가한다.
• 다른 그룹 간 심리적 프로파일을 비교하여 모델의 사용자 특성 기반 분류 능력을 평가한다.

실험 결과

연구 질문

• RQ1 기계학습 모델은 소셜 미디어 콘텐츠에서 개인 성격 특성과 애착 성향과 같은 관계적 특성을 효과적으로 예측할 수 있는가?
• RQ2 심리학 이론에 기반해 성격 특성 간 상호관계를 통합할 경우, 기존의 표준적 접근법에 비해 정확도가 어떻게 향상되는가?
• RQ3 소셜 미디어 행동에서 유도된 심리적 프로파일은 무작위 사용자와 기관 리더와 같은 다양한 사용자 유형을 어느 정도 효과적으로 구분할 수 있는가?
• RQ4 언어적, 행동적, 정서적 특징 중 어떤 것이 온라인 소셜 네트워크에서 성격 및 관계적 특성 예측에 가장 강력한 예측력을 가지는가?

주요 결과

• 성격 특성의 상호관계를 활용함으로써 최첨단 기법보다 더 높은 예측 정확도를 달성한다.
• 심리적 프로파일에 기반해 무작위 OSN 사용자와 기관 리더를 성공적으로 구분한다.
• 애착 성향과 같은 관계적 특성이 심리적 프로파일의 분류 능력에 기여하는 데 중요한 역할을 한다.
• 대명사 사용, 정서 표현, 어휘 다양성과 같은 언어적 특징은 성격 및 관계적 특성 예측에 강력한 예측 변수이다.
• 성격 프로파일링에 사회적 관계적 차원을 통합함으로써 온라인 소셜 네트워크에서 사용자 유형의 특성 기반 분류 능력이 향상된다.