背景无关紧要：理解深度残差网络中的人格归因
机器学习
2019-12-23 v1 机器学习
摘要
归因于个体的感知人格特质不必与其实际人格特质相对应，并且可能部分由一个人所处情境决定。这些表面特质在很大程度上决定了其他人对他们的行为方式。深度神经网络正越来越多地用于执行自动化人格归因（例如，工作面试）。理解预测背后的驱动因素（无论是在人类还是深度神经网络中）十分重要。本文明确研究了图像背景对表面人格预测的影响，同时解决了现有文献中存在的两个重要混淆：重叠的数据划分以及在背景中包含面部信息。令人惊讶的是，我们发现没有证据表明背景信息能改善模型对表面人格特质的预测。事实上，当背景被显式添加到输入中时，所有模型的性能均出现下降。
引用
@article{arxiv.1912.09831,
title = {Background Hardly Matters: Understanding Personality Attribution in Deep Residual Networks},
author = {Gabriëlle Ras and Ron Dotsch and Luca Ambrogioni and Umut Güçlü and Marcel A. J. van Gerven},
journal= {arXiv preprint arXiv:1912.09831},
year = {2019}
}
备注
10 pages, 4 figures, 2 tables