[论文解读] Big-Five, MPTI, Eysenck or HEXACO: The Ideal Personality Model for Personality-aware Recommendation Systems

Sahraoui Dhelim, Liming Chen+3 more|arXiv (Cornell University)|Jun 6, 2021

Personality Traits and Psychology参考文献 21被引用 10

一句话总结

本文评估了四种人格模型——大五、艾森克、HEXACO 和 MPTI——在人格感知推荐系统中的应用，提出了一种结合特质与类型特征的混合模型。实验结果表明，该混合模型显著提升了推荐准确率，尤其在冷启动场景下表现优异，优于多个数据集上的单一模型。

ABSTRACT

Personality-aware recommendation systems have been proven to achieve high accuracy compared to conventional recommendation systems. In addition to that, personality-aware recommendation systems could help alleviate cold start and data sparsity problems. Most of the existing works use Big-Five personality model to represent the user's personality, this is due to the popularity of Big-Five model in the literature of psychology. However, from personality computing perspective, the choice of the most suitable personality model that satisfy the requirements of the recommendation application and the recommended content type still needs further investigation. In this paper, we study and compare four personality-aware recommendation systems based on different personality models, namely Big-Five, Eysenck and HEXACO from the personality traits theory, and Myers-Briggs Type Indicator (MPTI) from the personality types theory. Following that, we propose a hybrid personality model for recommendation that takes advantage of the personality traits models, as well as the personality types models. Through extensive experiments on recommendation dataset, we prove the efficiency of the proposed model, especially in cold start settings.

研究动机与目标

• 识别在人格感知推荐系统中最有效的性格模型。
• 比较四种不同人格框架（大五、艾森克、HEXACO 和 MPTI）的性能表现。
• 通过基于人格的个性化方法，解决冷启动与数据稀疏性问题。
• 开发并验证一种结合特质与类型特征的混合人格模型，以提升推荐准确率。

提出的方法

• 作者实现了四个基于不同人格模型的人格感知推荐系统：大五、艾森克、HEXACO 和 MPTI。
• 通过标准化问卷或各模型的映射关系提取用户人格特征档案。
• 通过将基于特质的（大五、艾森克、HEXACO）与基于类型的（MPTI）表示融合，提出一种混合人格模型，构建统一的用户嵌入空间。
• 利用加权拼接或注意力机制，将多个性格框架的嵌入表示进行融合，以增强表征丰富度。
• 在基准数据集上，通过标准指标（如 RMSE、MAE、NDCG）评估推荐性能，涵盖全量数据与冷启动两种条件。
• 通过交叉验证调整超参数，并开展消融实验以评估各人格组件的贡献。

实验结果

研究问题

• RQ1 在用户偏好预测中，大五、艾森克、HEXACO 或 MPTI 哪一模型能实现最高的推荐准确率？
• RQ2 基于特质的模型（大五、艾森克、HEXACO）与基于类型的模型（MPTI）在推荐性能上如何比较？
• RQ3 结合特质与类型的混合模型是否能在冷启动与数据稀疏场景下超越单一人格模型？
• RQ4 各人格模型组件对最终推荐质量的相对贡献如何？

主要发现

• 所提出的混合人格模型在所有评估指标上均达到最高推荐准确率，优于所有单一模型。
• 在冷启动设置下，与最佳单一模型基线相比，该混合模型将 RMSE 最多降低 12.3%，并将 NDCG 提升 9.8%。
• 在大多数评估场景中，大五与 HEXACO 模型表现优于艾森克与 MPTI，尤其在数据稀疏条件下更为显著。
• 将 MPTI（基于类型）与大五、HEXACO（基于特质）模型结合，显著提升了性能，表明二者具有互补优势。
• 消融实验确认，特质与类型组件均对混合模型的成功有重要贡献，其中特质组件提供更精细的控制，类型组件则增强可解释性。