基于 BERT 词嵌入集成的 Bagged SVM 人格特质检测
计算与语言
2020-10-06 v1 人工智能
计算机与社会
机器学习
摘要
近年来，人格特质的自动预测受到越来越多的关注，并成为情感计算领域的一个热点话题。在这项工作中，我们提出了一种基于深度学习的从文本中自动检测人格的新方法。我们利用自然语言理解中最先进的进展，即 BERT 语言模型，从文本数据中提取上下文词嵌入以进行作者人格的自动检测。我们的主要目标是开发一个计算高效、高性能的人格预测模型，可供大量无法使用巨大计算资源的人轻松使用。我们本着这一理念进行了大量实验，从而开发出一个新颖的模型，该模型将上下文嵌入与心理语言学特征一起输入给 Bagged-SVM 分类器以进行人格特质预测。我们的模型比先前的最优方法高出 1.04%，同时训练的计算效率显著更高。我们在著名的人格检测黄金标准 Essays 数据集上报告了我们的结果。
引用
@article{arxiv.2010.01309,
title = {Personality Trait Detection Using Bagged SVM over BERT Word Embedding Ensembles},
author = {Amirmohammad Kazameini and Samin Fatehi and Yash Mehta and Sauleh Eetemadi and Erik Cambria},
journal= {arXiv preprint arXiv:2010.01309},
year = {2020}
}