从帖子到人格：利用LLMs进行社交媒体MBTI预测
计算与语言
2025-09-08 v1 社会与信息网络
摘要
从社交媒体帖子预测人格是一项关键任务，在心理学和社会学中具有广泛的应用。迈尔斯-布里格斯类型指标（MBTI）作为一种流行的人格量表，传统上由机器学习（ML）和深度学习（DL）技术进行预测。近年来，大语言模型（LLMs）的成功展现了其在理解和从社交媒体内容推断人格特质方面的巨大潜力。然而，直接利用 LLMs 进行 MBTI 预测面临两个关键挑战：LLMs 固有的幻觉问题以及人群中 MBTI 类型的自然不平衡分布。在本文中，我们提出了 PostToPersonality (PtoP)，一种基于 LLM 的从个人社交媒体帖子进行 MBTI 预测的新颖框架。具体而言，PtoP 利用检索增强生成与上下文学习来缓解 LLMs 中的幻觉。此外，我们通过合成少数类过采样微调了一个预训练的 LLM，以提升模型在 MBTI 理解上的特异性，该方法通过生成合成样本来平衡类别不平衡。在真实世界社交媒体数据集上进行的实验表明，与 10 个 ML 和 DL 基线相比，PtoP 取得了最先进的性能。
引用
@article{arxiv.2509.04461,
title = {From Post To Personality: Harnessing LLMs for MBTI Prediction in Social Media},
author = {Tian Ma and Kaiyu Feng and Yu Rong and Kangfei Zhao},
journal= {arXiv preprint arXiv:2509.04461},
year = {2025}
}