Enhancing Textual Personality Detection toward Social Media: Integrating Long-term and Short-term Perspectives

要約

テキストによる性格検出は、ソーシャル メディア プラットフォームに対してユーザーが作成したコンテンツを分析することによって、性格特性を特定することを目的としています。
多くの心理学文献では、性格には長期的に安定した特性と短期的に動的な状態の両方が含まれることが強調されています。
しかし、既存の研究は多くの場合、両方の側面を効果的に組み合わせることなく、長期または短期の性格表現のいずれかのみに焦点を当てています。
安定した特性と動的な状態の両方が不可欠であるため、この制限は個人の性格の包括的な理解を妨げます。
このギャップを埋めるために、テキストの性格検出のためにユーザーの長期および短期の性格を共同でモデル化するデュアル拡張ネットワーク(DEN)を提案します。
DEN では、長期にわたって安定した性格特性を効果的にモデル化するために、長期性格エンコーディングが考案されています。
短期性格エンコーディングは、短期の動的な性格状態を捕捉するために提供されます。
双方向インタラクション コンポーネントは、両方のパーソナリティの側面の統合を容易にし、ユーザーのパーソナリティの包括的な表現を可能にします。
2 つの性格検出データセットに関する実験結果は、DEN モデルの有効性と、テキスト性格検出において性格特性の動的特性と安定性の両方を考慮する利点を示しています。

要約(オリジナル)

Textual personality detection aims to identify personality characteristics by analyzing user-generated content toward social media platforms. Numerous psychological literature highlighted that personality encompasses both long-term stable traits and short-term dynamic states. However, existing studies often concentrate only on either long-term or short-term personality representations, without effectively combining both aspects. This limitation hinders a comprehensive understanding of individuals’ personalities, as both stable traits and dynamic states are vital. To bridge this gap, we propose a Dual Enhanced Network(DEN) to jointly model users’ long-term and short-term personality for textual personality detection. In DEN, a Long-term Personality Encoding is devised to effectively model long-term stable personality traits. Short-term Personality Encoding is presented to capture short-term dynamic personality states. The Bi-directional Interaction component facilitates the integration of both personality aspects, allowing for a comprehensive representation of the user’s personality. Experimental results on two personality detection datasets demonstrate the effectiveness of the DEN model and the benefits of considering both the dynamic and stable nature of personality characteristics for textual personality detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google