一种基于注意力的社交媒体文本人格检测去噪框架
计算机与社会
2025-09-18 v2 计算与语言
摘要
在社交媒体网络中，用户随时产生大量文本内容，为研究者提供了挖掘人格相关信息的宝贵途径。基于用户生成文本的人格检测是一种具有广阔应用前景的方法，例如用于构建用户画像。社交媒体文本中存在的显著噪声阻碍了人格检测。然而，以往研究未深入探讨应对该挑战。受略读阅读技术启发，我们提出一种面向长文本的基于注意力的信息提取机制（AIEM），用于快速定位有价值文本片段并充分整合有益语义信息。进而，我们给出一种新颖的基于注意力的去噪框架（ADF）用于人格检测任务，并在两个常用数据集上取得最先进的性能。值得注意的是，我们在金标准 Twitter-Myers-Briggs Type Indicator（Twitter-MBTI）数据集上获得了平均 10.2% 的准确率提升。我们已在 GitHub 公开代码\footnote{https://github.com/Once2gain/PersonalityDetection}。我们通过案例研究阐明了 AIEM 如何放大人格相关信号。
引用
@article{arxiv.2311.09945,
title = {An Attention-Based Denoising Framework for Personality Detection in Social Media Texts},
author = {Lei Lin and Jizhao Zhu and Qirui Tang and Yihua Du},
journal= {arXiv preprint arXiv:2311.09945},
year = {2025}
}