[论文解读] 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 4

一句话总结

本文提出了一种机器学习模型，通过结合语言、行为和情感特征的特征工程方法，从社交媒体行为中预测个体人格特质和关系特质（例如依恋取向）。该模型受心理学理论启发，并利用特质之间的相互关系，在准确率上优于最先进方法，且仅基于心理画像即可成功区分随机用户与组织领导者。

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.

研究动机与目标

• 解决人格预测研究中普遍忽视依恋取向等关系特质的空白。
• 开发一种整合标准人格特质与在线社交网络中社会关系维度的整体人格画像模型。
• 设计一种特征工程方法，捕捉OSN用户账号中的行为、语言和情感模式。
• 构建一种受心理学理论启发的机器学习模型，利用人格各维度之间的相互关系以提升预测准确率。
• 在多样化的用户群体（包括随机OSN用户和组织领导者）上评估该模型，以检验其区分能力。

提出的方法

• 一个全面的特征工程流程从用户推文提取语言、行为和情感特征。
• 特征包括词汇多样性、情感表达、代词使用和句法复杂性，以表征人格和关系特质。
• 模型架构受心理学理论启发，明确建模人格各维度之间的相互关系，以提升预测性能。
• 采用监督式机器学习方法，在带标签的用户数据上训练，以预测标准化人格量表和依恋取向量表的得分。
• 在两个数据集上评估模型：一个是随机OSN用户数据集，另一个是组织领导者数据集，使用交叉验证和分类指标。
• 比较不同群体之间的心理画像，以评估模型在用户表征与分类中的实用性。

实验结果

研究问题

• RQ1 机器学习模型能否有效从社交媒体内容中预测个体人格特质和关系特质（如依恋取向）？
• RQ2 将心理学理论所启发的人格各维度之间的相互关系纳入模型，与标准方法相比，能否显著提升预测准确率？
• RQ3 从社交媒体行为中推导出的心理画像在多大程度上能够区分不同用户类型（如随机用户与组织领导者）？
• RQ4 哪些具体的语言、行为和情感特征最能预测在线社交网络中的人格与关系特质？

主要发现

• 通过利用人格各维度之间的相互关系，所提出的模型在预测准确率上优于最先进方法。
• 该模型仅基于心理画像即可成功区分随机OSN用户与组织领导者。
• 关系特质（如依恋取向）显著增强了心理画像的区分能力。
• 语言特征（如代词使用、情感表达和词汇多样性）是人格与关系特质的强预测因子。
• 将社会关系维度整合到人格画像中，显著提升了模型对在线社交网络中用户类型的表征与分类能力。