PsyCoT：以心理问卷作为强有力思维链进行人格检测
计算与语言
2023-11-07 v2
摘要
大语言模型（LLM）如 ChatGPT 近期的进展，在各种 NLP 任务中展示了卓越的零样本性能。然而，LLM 在人格检测（即从个体书面文本中识别其人格）方面的潜力仍很大程度上未被探索。受心理问卷的启发——心理学家精心设计的问卷通过一系列针对性条目评估个体人格特质——我们认为这些条目可被视为一组结构良好的思维链（CoT）过程。通过融入这些过程，LLM 能够增强其从文本输入中作出更合理人格推断的能力。鉴于此，我们提出一种新的人格检测方法，称为 PsyCoT，它以多轮对话方式模拟个体完成心理问卷的过程。具体而言，我们采用一个专攻文本分析的 LLM 作为 AI 助手。我们提示该助手在每轮中对各个条目进行评分，并利用历史评分结果推导出最终的人格偏好。我们的实验表明，PsyCoT 显著提升了 GPT-3.5 在人格检测中的性能与鲁棒性，在两个基准数据集上相比标准提示方法平均 F1 分数提升了 4.23/10.63 点。我们的代码可在 https://github.com/TaoYang225/PsyCoT 获取。
引用
@article{arxiv.2310.20256,
title = {PsyCoT: Psychological Questionnaire as Powerful Chain-of-Thought for Personality Detection},
author = {Tao Yang and Tianyuan Shi and Fanqi Wan and Xiaojun Quan and Qifan Wang and Bingzhe Wu and Jiaxiang Wu},
journal= {arXiv preprint arXiv:2310.20256},
year = {2023}
}
备注
Accepted to Findings of EMNLP 2023