SENTIPEDE：一种从短文本中进行基于情感的人格检测的智能系统

阿迪·达利安西亚（新西兰奥克兰理工大学）

M.阿西夫·纳伊姆（新西兰奥克兰理工大学）

法哈安·米尔扎（新西兰奥克兰理工大学）

罗素梨（新西兰奥克兰理工大学）

摘要：个性是个人的显著特征，并对行为产生深远影响。社交媒体为虚拟社区提供了一个前所未有的机会，可以生成内容并分享他们生活中经常反映其个性的各个方面。最近，人们对利用深度学习从数字足迹中推断特征的兴趣增加了；然而，对情感信息传递的研究却非常有限。因此，本研究使用了一种计算方法，通过测量公众对包括特质在内的潜在因素的看法，从社交媒体中对人格进行分类。在本文所报道的研究中，开发了一个基于情感的人格检测系统，以根据“大五”人格维度从短文本中推断特质。我们利用了神经网络语言模型（NNLM）的精神，使用了一个统一的模型，该模型将名为长短期记忆（LSTM）的递归神经网络与卷积神经网络（CNN）相结合。我们通过将在线收集的短信分为三类进行情感分类，即积极、消极和无党派。然后使用全局向量（Global Vectors，GloVe）构建向量单词表示。因此，这一步骤旨在将外部知识添加到短文本中。最后，我们训练模型的每个变量来计算ve性状的预测分数。实验研究表明了该系统的有效性。作为我们调查的一部分，我们进行了一个案例研究，以调查使用该系统的人格特征和意见极性之间的现有相关性。研究结果支持了具有相同特征的人倾向于以相似方式表达情感的先验结果。

关键词：深度学习、五因素模型、全局向量、神经网络语言模型、个性检测、情绪分析、智能系统

类别： E.0类