Использование лингвистических признаков для автоматического распознавания личности в диалогах и текстах

Using Linguistic Cues for the Automatic Recognition of Personality in Conversation and Text
Roger K. Moore, Matthias R. Mehl, François Mairesse, Marilyn Walker, F. Mairesse
2007-11-28

черты личности Большой пятёркилингвистические признакираспознавание личностиранжирующие моделисамооценки и оценки наблюдателей
Хорошо известно, что высказывания передают, помимо семантического содержания, значительный объем информации о говорящем. Одним из таких типов информации являются признаки личностных черт говорящего — наиболее фундаментального измерения различий между людьми. В недавних исследованиях изучается автоматическое выявление других типов прагматической вариативности в текстах и диалогах, таких как эмоции, обман, харизма говорящего, доминирование, точка зрения, субъективность, мнение и тональность. Личность влияет на эти и другие аспекты порождения речи, поэтому распознавание личности может быть полезно для решения таких задач, а также иметь множество других потенциальных применений. Однако на сегодняшний день автоматическому распознаванию личностных черт посвящено немного исследований. В статье представлены экспериментальные результаты распознавания всех личностных черт «Большой пятерки» как в диалогах, так и в текстах с использованием самооценок и оценок личности наблюдателями. В отличие от ряда предыдущих работ, в которых приводятся результаты классификации, мы исследуем модели классификации, регрессии и ранжирования. Для каждой модели анализируется влияние различных наборов признаков на точность. Результаты показывают, что для некоторых черт любой тип статистической модели значительно превосходит базовый уровень, однако в целом наилучшие результаты демонстрируют модели ранжирования. Мы также представляем эксперимент, свидетельствующий о том, что модели ранжирования точнее многоклассовых классификаторов при моделировании личности. Кроме того, модели распознавания, обученные на данных о личности, оцененной наблюдателями, работают лучше моделей, обученных на самоотчетах, а оптимальный набор признаков зависит от личностной черты. Качественный анализ обученных моделей подтверждает ранее выявленные связи между языком и личностью и одновременно выявляет множество новых лингвистических маркеров.
1
Эксперимент показывает, что модели ранжирования могут быть точнее многоклассовых классификаторов при моделировании личностных черт.
2
В работе сравниваются классификация, регрессия и ранжирование; в целом лучшие результаты показывают модели ранжирования.
3
Модели, обученные на оценках личности наблюдателями, превосходят модели, обученные на самоотчётах.
4
Оптимальный набор лингвистических признаков зависит от конкретной черты; модели подтверждают известные связи между языком и личностью и выявляют новые маркеры.
5
Исследование автоматически распознаёт все пять личностных черт Большой пятёрки по разговорной речи и тексту с использованием лингвистических признаков.

Лингвистические маркёры в разговорной и письменной речи, используемые для вывода черт личности по модели Большой пятёрки

Автоматическое распознавание и моделирование личностных черт Большой пятёрки по лингвистическим признакам, включая влияние наборов признаков, типов моделей и самооценок по сравнению с оценками наблюдателей

Publication Details
Publication Date
2007-11-28
Journal
Publisher
ISSN
Cited by
1086
Access Type
Author Information
Authors
Roger K. Moore
Matthias R. Mehl
François Mairesse
Marilyn Walker
F. Mairesse
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%