摘 要：傳統(tǒng)的微博用戶人格分析將人格分為五類，但未考慮人格類別之間潛在的關(guān)聯(lián)性。為此基于多標簽集成分類方法(RAkEL)進行改進，構(gòu)建RAkEL-PA模型。RAkEL-PA模型使用標簽集合中不同的隨機子集訓練相應的Label Powerset(LP)分類器，然后集成所有分類結(jié)果作為最終分類結(jié)果。在微博用戶文本消息數(shù)據(jù)上進行實驗，結(jié)果表明，RAkEL-PA模型的兩個不同策略對用戶人格分類準確率較高。RAkEL-PA模型充分考慮多個人格之間的相關(guān)性，以提高用戶人格分類魯棒性。

　　關(guān)鍵詞：大五人格;人格分析;多標簽學習;RAkEL-PA;微博文本

　　0 引言

　　心理學把個體人格研究與社交網(wǎng)絡(luò)結(jié)合，用社交網(wǎng)絡(luò)中用戶行為數(shù)據(jù)對用戶人格進行分析與預測[1]，如工作績效預測[2]、青少年網(wǎng)絡(luò)成癮誘因分析[3]、抑郁癥預測[4]、人格與情緒表達關(guān)系[5]等，價值巨大。

　　文獻[6]統(tǒng)計地理位置、發(fā)布頻率等移動互聯(lián)網(wǎng)用戶特征，將人格分類看作三分類和五分類問題實驗;文獻[6，7，8]分別采用新浪微博、Facebook、Twitter和YouTube數(shù)據(jù)集進行人格識別;文獻[9，10]采用二進制粒子群算法和半監(jiān)督算法建立社交網(wǎng)絡(luò)用戶人格分析模型;文獻[11]將人格分類問題轉(zhuǎn)化為二分類問題;Rosen等[12]針對用戶個體網(wǎng)站內(nèi)容分析用戶人格;Ross等 [13]通過研究用戶數(shù)據(jù)得出外向型與組成成員個數(shù)關(guān)系密切。

　　以上方法都是將五維人格看作不相干任務(wù)執(zhí)行，而事實上五個維度之間有一定關(guān)聯(lián)[1，6-8，11，14]。本文通過對多標簽集成方法—隨機k標簽集(Random k-LabELsets，RAkEL)[10]進行改進，構(gòu)建基于微博文本的RAkEL-PA(RAkEL-Personality Analysis)模型，綜合考慮五維人格相關(guān)性，彌補前人工作的空白。

　　1 研究流程

　　人格模型泛指大五人格模型(Big-Five Model)，包括外向性(Extraversion，E)、神經(jīng)質(zhì)(Neuroticism，N)、宜人性(Agreeableness，A)、責任型(Conscientiousness，C)和開放性(Openness，O)五個維度[1]。

　　本文研究流程：①獲取數(shù)據(jù)：在微博上發(fā)放大五人格量表問卷，志愿者填寫問卷以及微博userID，采用userID通過爬蟲獲取志愿者微博文本數(shù)據(jù);②特征提取：從微博文本中提取與人格相關(guān)度高的特征，創(chuàng)建人格分析模型的特征屬性;③建立模型：構(gòu)建RAkEL-PA模型;④評估模型：采用分類準確率Accuracy和損失函數(shù)Hammingloss兩個指標進行評估。

　　2 RAkEL-PA模型構(gòu)建

　　2.1 數(shù)據(jù)獲取

　　2.1.1 獲取用戶五維人格得分

　　在問卷星網(wǎng)站上制作大五人格量表[1]作為調(diào)查問卷。制作5個分量表，每個分量表包括5個選項(非常不符合、不太符合、不確定、比較符合、非常符合)12個題目，分別記2、4、6、8和10分，其中有題目反向計分，滿分為100分。將問卷發(fā)放到微博，志愿者填寫問卷，根據(jù)得分標注用戶五維人格標簽。

　　2.1.2 微博用戶數(shù)據(jù)獲取及數(shù)據(jù)預處理

　　利用userID使用Python語言編寫微博爬蟲程序，爬取用戶3個月微博文本數(shù)據(jù)。刪除僅含圖片、表情等無用數(shù)據(jù)。

　　2.2 特征提取

　　本文使用CCPL開發(fā)的中文心理分析系統(tǒng)TextMind[14]，產(chǎn)生已驗證的76個微博文本特征[14]，如表1所示。另外，表情符號更能反應用戶情緒，所以本文統(tǒng)計微博消息中含有的表情符號，并統(tǒng)計每條消息的影響力，如表2所示。

　　由于特征量化為數(shù)值后差異巨大，必須對其先歸一化[11]。將每個特征進行[0，1]區(qū)間歸一化，如公式(1)所示。

　　其中，[f]和[f*]分別為文本特征的原始值和歸一化值，[fmin]和[fmax]分別為所有用戶相應特征的最小值和最大值。

　　2.3 RAkEL-PA模型構(gòu)建

　　2.3.1 多標簽分類方法

　　多標簽學習方法主要有算法自適應和問題轉(zhuǎn)換方法兩種[15]。前者主要包括支持向量機[7]和多標簽[k]近鄰算法(ML-kNN)[16];后者主要有Binary Relevance(BR)[5]和Label Powerset(LP)。

　　2.3.2 基于微博文本的RAkEL-PA模型構(gòu)建

　　LP方法優(yōu)點是考慮標簽相關(guān)性，但也存在不足[17]，因此將大量標簽的集合隨機分成很多小的標簽集，采用LP為每個小標簽集訓練多標簽分類器，將所有LP分類器決策集成得到RAkEL的最后結(jié)果。本文基于微博文本的用戶人格分析模型，構(gòu)建基于人格分析的不相交子集策略RAkELd-PA和基于人格分析的重疊子集策略RAkELo-PA。

　　確定RAkELd-PA標簽集[k]的大小，將標簽集合[L]隨機分成[m=Mk]個不相交的[k]標簽集[Rj]，[j=1，2…m]。用LP學習[m]個多標簽分類器[hj]，[j=1，2…m]。每個分類器[hj]學習一個單標簽分類任務(wù)，包含訓練集中所有[Rj]的子集類值。該策略中不同標簽集中的標簽不相交，所以標簽數(shù)越多性能越好[18]。

　　RAkELd-PA模型訓練過程和分類過程分別如圖1和圖2所示。

　　RAkELo-PA中[Lk]表示[L]中所有不同[k]標簽集的集合。[Lk]大小由二項式系數(shù)[Lk=Mk]決定。與RAkELd-PA不同的是，已知標簽集[k]的大小以及期望的分類器數(shù)量[m≤Lk]，RAkELo-PA通過從[Lk]隨機采樣選擇[m]個[k]標簽集[Ri]，[i=1，2…m]。當[mk>M]時標簽集會重疊。

　　在RAkELo-PA模型上訓練過程和分類過程分別如圖3和圖4所示。

　　3 實驗

　　3.1 實驗數(shù)據(jù)集和特征提取

　　本文共收到258份問卷，經(jīng)過篩選(如：每個問題答案相同)得到有效問卷169份。使用爬蟲得到用戶在微博上的文本消息。利用文心軟件提取文本特征，如表1和表2所示，并進行歸一化處理。標簽數(shù)[M]為人格的五個維度。因此標簽集界限是[25]=32，而實際標簽集數(shù)量范圍為此邊界的5%～44%[17]。本文標注的標簽集中有8種標簽集出現(xiàn)次數(shù)最多，將集中60%的數(shù)據(jù)作為訓練集，其余作為測試集。

　　3.2 模型評價指標

　　本文使用分類準確度Accuracy(A)和Hammingloss(H)評估多標簽分類效果。

　　用[D]表示一個多標簽數(shù)據(jù)集，[D]表示樣本個數(shù)，[xi]表示第[i]個樣本，[yi?L]表示[xi]的標簽集，[i=1，2…D]。本文通過學習一個多標簽分類器[h]預測實例[xi]的標簽集[zi]，即[zi=h(xi)]。

　　分類準確度(A)[18]定義如下：

　　3.3 實驗結(jié)果與分析

　　3.3.1 RAkELd-PA模型實驗結(jié)果分析

　　在RAkELd-PA實驗中，標簽集[k]取2、3和4。[k]值不同模型數(shù)[m]也不同。

　　如圖5所示：k=2時，模型的A值最高;k=3和k=4時，A值略低于k=2時，而LP的A值保持不變。原因是同時具有兩種人格特質(zhì)的人較多。隨著[k]值增大，[m]變小，參與訓練的分類器個數(shù)變少，導致RAkELd-PA性能變差。

　　如圖6所示：k=2時，模型H值最小;k=3和k=4時，H值略高，可見隨著[k]值增大，H值也在變大，而LP的H值不變。該模型的H最大值和LP的H值接近，說明隨著[k]值接近M，模型性能與LP性能相當。

　　3.3.2 RAkELo-PA模型實驗結(jié)果分析

　　RAkELo-PA模型使用[k](2～4)的所有有意義值進行實驗。在k=2和k=3時，[m]范圍為1～10，k=4時，[m]范圍為1～5。RAkELo-PA模型的分類決策計算方式采用多數(shù)投票規(guī)則。

　　如圖7所示：①k=2(同時具有兩種人格特質(zhì))時，A值在m=8時最高，與文獻[9]得出的結(jié)論一致，即A和C、C和E、C和O、O和E分別具有很強的相關(guān)性;②k=3時，A值在m=8時最高，文獻[11]也表明，C、A、E，E、C、O，O、A、C分別有強相關(guān)性;③k=4時，A值在m=4時最高，與k=2和k=3相比，同時具有4種人格特質(zhì)的人相對較少，所以A值略低于k=2和k=3時的A值，而LP的A值不隨[m]和[k]的改變而改變。

　　如圖8所示：隨著[m]值增大，模型的H值在減小。k=2，m=7、8、9時，H值最小;k=3，m=8時，H值最小;k=4，m=3時，H值最小。LP分類器的H值不隨[m]和[k]的改變而改變。可以看出，模型的H值均比LP小，說明該模型性能比LP好。

　　4 結(jié)語

　　針對傳統(tǒng)人格分析方法未考慮五個人格維度之間的潛在相關(guān)性導致個體人格分類準確率較低問題，提出RAkEL的改進模型RAkEL-PA實現(xiàn)個體人格分類。實驗結(jié)果表明，具有雙重人格特質(zhì)和三重人格特質(zhì)的人較多，說明五維人格之間存在依賴性。該模型考慮了五維人格之間的相關(guān)性，提高了微博用戶人格分類的準確率，從而驗證了RAkEL-PA模型對人格分類的有效性。后續(xù)考慮獲取更多微博用戶數(shù)據(jù)，在更大數(shù)據(jù)集上進行實驗，以進一步驗證該模型的有效性。

　　參考文獻：

　　[1] 張磊，陳貞翔，楊波. 社交網(wǎng)絡(luò)用戶的人格分析與預測[J]. 計算機學報，2014，37(8)：1877-1894.

　　[2] JUDGE T A， ZAPATA C P. The person–situation debate revisited： effect of situation strength and trait activation on the validity of the big five personality traits in predicting job performance[J]. Academy of Management Journal， 2015， 58(4)： 1149-1179.

　　[3] ZHOU Y， LI D， LI X， et al. Big five personality and adolescent internet addiction： the mediating role of coping style[J]. Addictive behaviors， 2017， 64(8)： 42-48.

　　[4] ALLEN T A， CAREY B E， MCBRIDE C， et al. Big five aspects of personality interact to predict depression[J]. Journal of personality， 2018， 86(4)： 714-725.

　　[5] 劉真亦. 不同人格傾向微博用戶的情緒表達分析[D]. 杭州：浙江大學，2019.

　　[6] 孫啟翔. 基于移動互聯(lián)網(wǎng)社交行為的用戶性格分析和預測[D]. 北京：北京理工大學，2016.

　　[7] FARNADI G，SITARAMAN G，SUSHMITA S，et al. Computational personality recognition in social media[J]. User Modeling and User-Adapted Interaction， 2016， 26(2-3)： 109-142.

　　[8] 楊潔. 基于用戶情感和網(wǎng)絡(luò)關(guān)系分析的人格預測模型[D]. 上海：東華大學，2016.

　　[9] 毛雨. 基于社交網(wǎng)絡(luò)的用戶人格分析研究與實現(xiàn)[D]. 北京：北京郵電大學，2019.

　　[10] 鄭赫慈. 網(wǎng)絡(luò)空間中人格分析的研究與實現(xiàn)[D]. 北京：北京郵電大學，2019.

　　[11] XUE D， HONG Z， GUO S， et al. Personality recognition on social media with label distribution learning[J]. IEEE Access， 2017， 5(142)： 13478-13488.

　　作者：舒曉敏

　　推薦閱讀：全球社交網(wǎng)絡(luò)的新聞生態(tài)與國際輿論引導