面向人格推断的对话双方会话建模

如今，自动化人格推断正受到学术界与工业界的广泛关注。传统方法主要基于社交媒体上用户生成的内容，例如个人的资料、点赞和文本，这些内容实际上并不可靠。相比之下，个体之间的对话双方会话不仅能捕捉一个人如何表达自我，还能反映其如何应对不同情境。对话双方会话中丰富的上下文信息可以解释个体在交谈过程中的回应。本文中，我们提出一种新颖的增强门控循环单元（GRU）模型，用于基于个体间的对话双方会话学习无监督的个人会话嵌入（PCE）。我们通过序列到序列学习以及对话双方的个人信息来调整传统GRU各层的公式。基于学习到的PCE，我们可以推断每个个体的人格。我们在电影剧本数据集上进行了实验，该数据集收集自电影剧本中角色之间的对话。我们发现，对个体间的对话双方会话进行建模能显著提升人格推断准确率。实验结果证明了我们所提方法的良好性能。