پيش‌بيني ابعاد شخصيتي افراد از روي ‌داده‌هاي متني آن‌ها با استفاده از الگوريتم‌هاي يادگيري عميق

كارشناسي ارشد

تعيين ابعاد شخصيتي افراد در تحقيقات روان‌شناختي بسيار مهم است. مشهورترين نمونه ابعاد شخصيتي، مدل پنج‌ عاملي است. براي تعيين ابعاد شخصيتي دو رويكرد وجود دارد: 1- دستي و 2- خودكار . در رويكرد دستي، روان‌شناسان ابعاد شخصيتي را از طريق پرسش‌نامه‌هاي شخصيت كشف مي‌كنند. در روش خودكار، انواع مختلف ورودي (متني، تصويري، ويدئويي و صوتي) از افراد براي اين منظور جمع‌آوري و تحليل مي‌شوند. روش‌هاي دستي داراي دقت بالايي بوده اما هزينه زماني و مالي زيادي را براي محققان ايجاد مي‌كردند و پوشش تحقيقاتي كم را شامل مي‌شدند. درحالي‌كه روش‌هاي خودكار به صورت خودكار تعداد زيادي از افراد را در تحقيقات مدنظر پوشش مي‌دادند، هزينه‌هاي مالي و زماني كمتري در مقايسه با روش‌هاي دستي داشتند ولي دقت كمتري داشتند. در اين پژوهش، ما يك روش خودكار به نام ِ DENOVA را ارائه مي‌دهيم كه به صورت خودكار و با دقت بالا (در مقايسه با روش‌هاي پيشين) پنج بعد شخصيتي افراد را پيش‌بيني نمايد. مهم‌ترين نوآوري ما در اين پژوهش، تركيب يادگيري عميق با روش آماري تجزيه و تحليل واريانس در انتخاب مهم‌ترين و متمايزكننده ترين ويژگي ها (كلمات) بوده است. در اين پژوهش، ما روشي به نام DENOVA را ارائه مي‌دهيم كه پنج بٌعد شخصيتي افراد را با استفاده از تركيب يادگيري عميق و تجزيه و تحليل واريانس كلمات پيش‌بيني مي‌كند. براي اين هدف، DENOVA ابتدا ANOVA را براي انتخاب جداكننده‌ترين كلمات در هر سند اعمال مي‌كند. سپس، DENOVA از Word2Vec براي استخراج بردار ويژگي‌هاي هر سند استفاده مي‌كند. سرانجام، DENOVA از 4 رده‌بند ماشين بردار پشتيبان ، Logistic Regression، XGBoost و پرسپترون چند لايه براي پيش‌بيني پنج بٌعد شخصيتي استفاده مي‌كند. نتايج ما نشان مي‌دهد كه DENOVA با توجه به معيار صحت به طور متوسط، 91.6 درصد، نسبت به متدهاي رقيب، در پيش‌بيني پنج بٌعد شخصيتي عملكرد بهتري دارد.

195956

دانشگاه علم و صنعت ايران

مهندسي كامپيوتر

دكتر حسين رحماني