顺序非必需：用于人格检测的动态深度图卷积网络
计算与语言
2023-04-05 v3
摘要
基于在线帖子预测人格特质已成为社交网络分析等诸多领域的一项重要任务。该任务的挑战之一是将来自不同帖子的信息整合为每个用户的整体画像。虽然许多已有方案简单地将帖子拼接为长文档，再用序列或层次模型编码，但它们为帖子引入了不当的顺序，可能误导模型。本文提出一种动态深度图卷积网络（D-DGCN）以克服上述局限。具体而言，我们设计了一种 learn-to-connect 方法，采用动态多跳结构替代确定性结构，并将其与 DGCN 模块结合以自动学习帖子间连接。帖子编码器、learn-to-connect 与 DGCN 模块以端到端方式联合训练。在 Kaggle 和 Pandora 数据集上的实验结果表明，D-DGCN 优于当前最优基线。我们的代码见 https://github.com/djz233/D-DGCN。
引用
@article{arxiv.2212.01515,
title = {Orders Are Unwanted: Dynamic Deep Graph Convolutional Network for Personality Detection},
author = {Tao Yang and Jinghao Deng and Xiaojun Quan and Qifan Wang},
journal= {arXiv preprint arXiv:2212.01515},
year = {2023}
}
备注
AAAI2023 Camera-ready