LL4G：用于基于图的人格检测的自监督动态优化
计算与语言
2025-04-04 v1 机器学习
摘要
基于图的人格检测从文本数据（特别是社交媒体帖子）中构建图结构。现有方法通常难以处理稀疏或含噪数据，并依赖于静态图，这限制了它们捕捉节点与关系之间动态变化的能力。本文提出了 LL4G，一个利用大语言模型（LLMs）优化图神经网络（GNNs）的自监督框架。LLMs 提取丰富的语义特征以生成节点表示，并推断显式与隐式关系。图结构根据输入数据自适应地添加节点和边，持续进行自我优化。随后，GNN 利用这些优化后的表示进行节点重构、边预测和对比学习任务的联合训练。语义与结构信息的这种整合生成了鲁棒的人格画像。在 Kaggle 和 Pandora 数据集上的实验结果表明，LL4G 优于 SOTA 模型。
引用
@article{arxiv.2504.02146,
title = {LL4G: Self-Supervised Dynamic Optimization for Graph-Based Personality Detection},
author = {Lingzhi Shen and Yunfei Long and Xiaohao Cai and Guanming Chen and Yuhan Wang and Imran Razzak and Shoaib Jameel},
journal= {arXiv preprint arXiv:2504.02146},
year = {2025}
}