融合多通道信息的社交网络人格预测模型

作者：孙丽璐^*; 董森; 陈孟维; 朱玲; 朱小飞; 张袁籽妍; 冯榆

来源：太原理工大学学报, 2023, 54(03): 509-517.

DOI：10.16355/j.cnki.issn1007-9432tyut.2023.03.014

• 大五人格
• 社交网络
• 人格预测
• 深度学习
• 多通道信息

构建了融合多通道信息的社交网络人格预测模型(MCIPP),在深度学习框架内用客观行为数据自动预测用户人格特质，并分析用户在线行为与其线下人格特质是否具有一致性。具体而言，利用双向长短期记忆网络(BiLSTM)和注意力机制(Attention)捕捉文本的上下文语义特征，通过图卷积网络((GCN)构造句法依存树，得到基于句法的结构表示，将Attention融入主题模型(Topic Model)从而提取深层语义信息，最后共同输入Softmax层得到用户微博的人格倾向。结果表明：MCIPP模型预测效果较好，准确率最高可达0.806 4.个体线上线下对应维度存在显著正相关，因此可采用该模型对用户网络数据进行心理建模，使理论驱动的心理科学研究能够客观解读个体心理和行为。

• 单位
  重庆理工大学; 金融学院