[论文解读] A Recommender System based on the analysis of personality traits in Telegram social network

Mohammad Javad Shayegan, Mohadese Valizadeh|arXiv (Cornell University)|Oct 1, 2020

Complex Network Analysis Techniques参考文献 20被引用 4

一句话总结

本文提出了一种基于人格的 Telegram 推荐系统，通过分析群聊中的用户行为，利用 NEO-PI-R 框架推断人格特质。系统采用余弦相似度（Cosine Similarity）、朴素贝叶斯（Naive Bayes）和多层感知机（Multilayer Perceptron, MLP）进行人格预测，其中余弦相似度用于推荐相关 Telegram 频道，实现了 65.42% 的用户满意度。

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.

研究动机与目标

• 从用户在 Telegram 的消息行为中自动推断其人格特质。
• 探讨利用 Telegram 群组中的行为模式，基于既有的心理学模型预测人格的可行性。
• 设计并评估一种个性化推荐系统，利用推断出的人格特质推荐相关的 Telegram 频道。
• 比较多种算法（余弦相似度、朴素贝叶斯和 MLP）在人格特质预测中的性能表现。
• 通过用户满意度指标评估最终推荐系统的效果。

提出的方法

• 收集并预处理了来自 Telegram 群组的消息数据以供分析。
• 采用人格个性量表（NEO-PI-R）作为心理学框架，推断人格特质。
• 应用三种分类方法——余弦相似度、朴素贝叶斯和多层感知机（MLP）——从文本行为中预测人格特质。
• 基于性能表现，最终选择余弦相似度算法作为推荐引擎的核心。
• 系统根据推断出的人格特征相似度，向用户推荐 Telegram 频道。
• 通过用户满意度测量评估推荐机制的有效性。

实验结果

研究问题

• RQ1 能否从用户的 Telegram 消息行为中可靠地推断其人格特质？
• RQ2 在预测社交媒体文本中的人格特质时，余弦相似度、朴素贝叶斯和 MLP 哪种算法表现最佳？
• RQ3 基于人格的推荐系统在推荐相关 Telegram 频道方面有多高效？
• RQ4 基于推断人格特质推荐频道的系统可实现多高的用户满意度？

主要发现

• 人格推断模型在向用户推荐相关 Telegram 频道方面实现了 65.42% 的满意度。
• 在最终推荐任务中，余弦相似度优于朴素贝叶斯和 MLP，成为生产系统的基础。
• Telegram 群组消息中的行为模式包含足够信号，可借助心理学模型实现可靠的人格特质推断。
• 将人格特征过滤机制整合后，推荐的相关性显著优于非个性化方法。
• 本研究证明了将人格分析应用于即时通讯平台以实现个性化内容分发的可行性。