融合多特征的在线社交网络用户人格预测研究
作者机构:上海理工大学管理学院
出 版 物:《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期:2024年
学科分类:081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术(可授工学、理学学位)]
基 金:上海市教育科学研究项目(C2023292)资助 国家自然科学基金青年项目(72201173)资助
主 题:人格预测 在线社交网络 多特征融合 MBTI 机器学习 深度学习
摘 要:在线社交网络用户的人格与其行为模式、需求偏好和心理健康密切相关。本文提出了一种融合多特征的在线社交网络用户人格预测方法。该方法构建了一个在线社交网络用户人格特征体系,通过提取数字信息中的文本特征、行为特征、语言特征和情感特征,采用早期特征融合策略,使用微博平台数据,对用户的Myers-Briggs Type Indicator(MBTI)人格类型进行预测。实验证明,本文提出的融合多特征的方法相较于简单基于文本特征的方法在分类的效果上更为出色,准确率和F1值分别提升了2.44%、2.59%。同时也表明,CNN在融合多特征的在线社交网络用户人格预测任务上展现出卓越的性能,而BERT结合BiLSTM在人格的信息收集方式和决策方式维度上表现出明显优势。