Прогнозирование черт личности по модели Большой пятёрки на основе пользовательских комментариев

Изучение личности является ключевой составляющей психологии, и понимание черт личности открывает возможности практического применения в различных областях, таких как психиатрическая помощь, прогнозирование эффективности труда и оптимизация маркетинговых стратегий. В данном исследовании рассматривается прогнозирование показателей по модели Большой пятёрки на основе онлайн-комментариев с использованием трансформерных языковых моделей, с акцентом на повышение производительности моделей за счёт более крупного набора данных и исследование роли взаимных корреляций между чертами. С использованием набора данных PANDORA из Reddit модели RoBERTa и BERT, включая варианты base и large, были дообучены и оценены для определения их эффективности в прогнозировании черт личности. По сравнению с предыдущими работами наше исследование использует существенно больший набор данных для повышения обобщающей способности и устойчивости моделей. Результаты показывают, что RoBERTa превосходит BERT по большинству метрик, при этом RoBERTa large демонстрирует наилучшие общие показатели. Помимо оценки общей точности предсказаний, исследование анализирует влияние взаимных корреляций между чертами личности. Проведен сравнительный анализ между подходом с одной моделью, предсказывающей все пять черт одновременно, и подходом с несколькими моделями, где каждая модель дообучается независимо и предсказывает одну черту. Результаты показывают, что подход с одной моделью обеспечивает более низкое RMSE и более высокие значения R2, что подчёркивает важность учёта корреляций между чертами для повышения точности прогнозирования. Кроме того, RoBERTa large продемонстрировала более сильную способность улавливать эти взаимные корреляции по сравнению с предыдущими исследованиями. Эти результаты подчёркивают потенциал трансформерных моделей в вычислениях личности и важность использования как более крупных наборов данных, так и учёта взаимных корреляций для улучшения предиктивной производительности.