通过比较特征、细项与细微差别的预测力度来提升人格识别
计算机视觉与模式识别
2026-02-06 v1 人工智能
机器学习
摘要
人格是一种复杂的、层次结构的建构质量，通常通过项目级别的问卷表聚合为广泛的特征得分。人格识别模型旨在从不同来源的行为数据中推断人格特征。然而，依赖广泛特征得分作为基准，结合有限的训练数据，导致泛化性受挑战，因为相似的特征得分可通过多样化、情境依赖的行为表现出来。在本工作中，我们探讨了更细粒度的层次结构水平（特征和细项）对从音视频互动数据中进行人格识别的预测影响。我们采用UDIVA v0.5数据集训练了一个基于变压器的模型，包括跨模态（音视频）和跨主体（ dyad-aware）注意力机制。结果表明，细项级别的模型在所有互动情境中 consistently outperform 了特征和细项级别的模型，通过降低均方误差最高可降低74%。
引用
@article{arxiv.2602.05650,
title = {Enhancing Personality Recognition by Comparing the Predictive Power of Traits, Facets, and Nuances},
author = {Amir Ansari and Jana Subirana and Bruna Silva and Sergio Escalera and David Gallardo-Pujol and Cristina Palmero},
journal= {arXiv preprint arXiv:2602.05650},
year = {2026}
}
备注
Accepted to the 2025 13th International Conference on Affective Computing and Intelligent Interaction (Late Breaking Results)