[论文解读] Predicting Personality from Book Preferences with User-Generated Content Labels

Ng Annalyn, Maarten W. Bos+2 more|arXiv (Cornell University)|Jul 20, 2017

Media Influence and Health参考文献 4被引用 3

一句话总结

本研究通过利用在线图书目录中用户生成的标签，从书籍偏好预测人格特质，借助丰富且非传统的内容标签，实现了高精度的人格预测。研究在细粒度标签和更广泛的类型上均表现出稳健的结果，揭示了超越传统类型分析的文化差异与行为洞察。

ABSTRACT

Psychological studies have shown that personality traits are associated with book preferences. However, past findings are based on questionnaires focusing on conventional book genres and are unrepresentative of niche content. For a more comprehensive measure of book content, this study harnesses a massive archive of content labels, also known as 'tags', created by users of an online book catalogue, Goodreads.com. Combined with data on preferences and personality scores collected from Facebook users, the tag labels achieve high accuracy in personality prediction by psychological standards. We also group tags into broader genres, to check their validity against past findings. Our results are robust across both tag and genre levels of analyses, and consistent with existing literature. Moreover, user-generated tag labels reveal unexpected insights, such as cultural differences, book reading behaviors, and other non-content factors affecting preferences. To our knowledge, this is currently the largest study that explores the relationship between personality and book content preferences.

研究动机与目标

• 探索人格特质与书籍内容偏好之间的关系，超越传统类型范畴。
• 评估用户生成标签作为书籍内容代理在人格预测中的有效性。
• 评估基于标签与基于类型级别的分析是否产生一致且可靠的结果。
• 揭示影响书籍偏好的非内容因素（如阅读行为与文化影响）。
• 建立一个基于大规模数字图书元数据的、数据驱动的人格预测框架。

提出的方法

• 利用 Goodreads（一个在线图书目录）中用户生成的大量标签来表示书籍内容。
• 将这些标签与从 Facebook 用户处收集的人格得分及书籍偏好相结合。
• 应用机器学习模型，基于标签和类型频率预测大五人格特质。
• 将标签分组为更广泛的类型，以验证其与既有心理学文献的一致性。
• 采用统计分析方法，检验在不同粒度层次（标签 vs. 类型）下的结果稳健性。
• 使用交叉验证与相关性分析，评估预测结果与心理学标准的一致性。

实验结果

研究问题

• RQ1 用户生成的标签能否有效从书籍偏好中预测人格特质？
• RQ2 与传统的基于类型的方法相比，标签的预测性能如何？
• RQ3 在不同文化或行为群体中，书籍偏好是否存在一致的模式？
• RQ4 非内容因素（如阅读频率、类型参与模式）如何影响书籍偏好模式？
• RQ5 基于标签与基于类型的分析是否产生可比且可靠的结果？

主要发现

• 用户生成的标签在预测大五人格特质方面实现了高精度，符合心理学研究对可靠性的标准。
• 该模型在标签级别与类型级别分析中均表现稳健，证实了在不同粒度层次上的一致性。
• 基于标签的预测揭示了书籍偏好中的文化差异，例如不同地区在类型关联上的差异。
• 非内容因素（如阅读频率与类型参与模式）显著影响偏好。
• 研究发现了人格与小众书籍内容之间此前被低估的关联，突破了主流类型的局限。
• 结果验证了用户生成标签作为人格研究中书籍内容丰富且可扩展的代理手段的有效性。