基于支持向量機(jī)的人格推斷模型

董春霖

（四川廣安岳池縣第一中學(xué)，廣安 638300）

基于支持向量機(jī)的人格推斷模型

董春霖

（四川廣安岳池縣第一中學(xué)，廣安 638300）

新浪微博是人們廣泛使用的社交平臺(tái)，提取微博用戶(hù)的信息，使用支持向量機(jī)對(duì)數(shù)據(jù)進(jìn)行分類(lèi)，建立人格推斷模型，可以對(duì)微博用戶(hù)的人格進(jìn)行推斷。結(jié)果表明，該推斷模型能夠得到不錯(cuò)的推斷準(zhǔn)確率。

人格；支持向量機(jī)；新浪微博

0 引言

人格是一種具有自我意識(shí)和自我控制能力，具有感覺(jué)、情感、意志等機(jī)能的主體，是具有一定傾向性和相對(duì)穩(wěn)定的心理特征。根據(jù)大五人格理論，人格可以被分為五個(gè)維度：開(kāi)放性、盡責(zé)性、外向性、宜人性和神經(jīng)質(zhì)。開(kāi)放性是指對(duì)新鮮事物的態(tài)度和偏好，盡責(zé)性是指對(duì)事物的態(tài)度，外向性是指社交的多少，宜人性是對(duì)他人的關(guān)心和幫助，神經(jīng)質(zhì)是情緒的穩(wěn)定程度。

對(duì)人格的研究是非常重要的，研究表明具有相同人格的人之間會(huì)相互吸引，如果讓相同人格的人進(jìn)行合作，工作效率會(huì)得到提高。因此人格特點(diǎn)的研究可以作為特征服務(wù)的基礎(chǔ)。

1 相關(guān)工作

之前關(guān)于社交網(wǎng)站的研究主要集中于社交網(wǎng)頁(yè)等。從某種意義上來(lái)說(shuō)，虛擬世界是真實(shí)世界的一個(gè)縮影，遵循真實(shí)世界中大多數(shù)的原則。研究發(fā)現(xiàn)，網(wǎng)絡(luò)用戶(hù)喜歡加入一些小的社區(qū)。同時(shí)，近年來(lái)，越來(lái)越多的網(wǎng)絡(luò)用戶(hù)在網(wǎng)絡(luò)上暴露自己的信息，這些信息可以用來(lái)對(duì)他們自身的特征息息相關(guān)。Junco Reynol研究了Facebook和學(xué)生表現(xiàn)之間的關(guān)系，發(fā)現(xiàn)Facebook的使用頻率和學(xué)生的成績(jī)成反比。

到目前為止，關(guān)于社交網(wǎng)絡(luò)和人格之間的研究還非常少。Emily S.Orr曾經(jīng)在大學(xué)生中研究過(guò)害羞和社交網(wǎng)絡(luò)的使用之間的關(guān)系。他發(fā)現(xiàn)，害羞的人明顯在社交網(wǎng)絡(luò)上面花費(fèi)更多的時(shí)間。但是，他們的好友數(shù)量卻比不害羞的人更少。Teresa Correa研究了用戶(hù)人格和社交媒體之間的關(guān)系，發(fā)現(xiàn)開(kāi)放性和外向性與交媒體的使用成正相關(guān)，神經(jīng)質(zhì)和社交媒體的使用負(fù)相關(guān)。但是這些研究只是給出了正負(fù)相關(guān)，并不能對(duì)他們進(jìn)行量化。Samuel D.Gosling研究了不同人格在社交網(wǎng)絡(luò)上面的表現(xiàn)。他的研究表明，人格和社交網(wǎng)絡(luò)的使用有著對(duì)應(yīng)關(guān)系。

總的來(lái)說(shuō)，大多數(shù)關(guān)于人格的研究只使用了心理學(xué)的方法。不論是自陳量表還是他人觀察，對(duì)于大規(guī)模的問(wèn)題來(lái)說(shuō)都是不夠效率的。同時(shí)，他們的研究只是用了用戶(hù)對(duì)社交網(wǎng)絡(luò)的使用頻率。如果我們使用一些跟情緒相關(guān)的特征，將得到更好的結(jié)果。在關(guān)系模型中，只能得到社交網(wǎng)絡(luò)和人格之間的關(guān)系，但是不能夠直接預(yù)測(cè)人格。盡管這些因素可以描述人格和行為之間的關(guān)系，但是他們不能對(duì)人格進(jìn)行定性研究。由于心理學(xué)和計(jì)算機(jī)科學(xué)有著各自的優(yōu)勢(shì)和劣勢(shì)，我們嘗試將這兩個(gè)學(xué)科統(tǒng)一起來(lái)，建立一個(gè)人格自動(dòng)識(shí)別模型。

2 支持向量機(jī)

支持向量機(jī)（Support Vector Machine，SVM）以尋找在空間中最合適的平面為目標(biāo)，該方法在適量的訓(xùn)練樣本上使用數(shù)學(xué)方法和優(yōu)化技術(shù)來(lái)生成一個(gè)最佳超平面，并且該超平面使得兩類(lèi)之間數(shù)據(jù)點(diǎn)間距最大。也因此屬于間隔分類(lèi)器。由于在訓(xùn)練時(shí)，訓(xùn)練集的每一個(gè)樣本是一個(gè)支持該平面的向量，該算法則被稱(chēng)為支持向量機(jī)。

對(duì)于二分類(lèi)問(wèn)題，在樣本空間中，可將超平面描述為：

其中w=（w1，w2，…，wd）為法向量，據(jù)決定超平面的方向；b為位移。假設(shè)超平面（w，b）可以正確的對(duì)樣本進(jìn)行分類(lèi)，即可表示為：

那么可以通過(guò)解決以下優(yōu)化問(wèn)題尋找到擁有最大間距（margin）的最優(yōu)二維分割超平面。

對(duì)上式的每個(gè)約束條件添加拉格朗日乘子，則可變形為：

求w和b的偏導(dǎo)，再代入上式，解出α，求出w和b，即可得到模型。

需滿(mǎn)足Karush Kuhn-Tucker（KKT）條件

3 方法

3.1 數(shù)據(jù)收集

本文嘗試建立一個(gè)基于社交網(wǎng)絡(luò)的人格計(jì)算模型。我們選取了現(xiàn)在中國(guó)實(shí)用率最高的社交平臺(tái)——微博，作為實(shí)驗(yàn)平臺(tái)。微博對(duì)第三方應(yīng)用開(kāi)放了很多API。這些三方應(yīng)用，可以被分為三類(lèi)：網(wǎng)頁(yè)接口、應(yīng)用軟件接口和手機(jī)接口。本文使用一個(gè)網(wǎng)頁(yè)接口。當(dāng)被試登錄網(wǎng)頁(yè)接口后，我們將得到他們的授權(quán)。然后，我們將通過(guò)這個(gè)接口接入微博獲得他們的數(shù)據(jù)信息。

每位參加實(shí)驗(yàn)的被試都要做一份大五人格量表，測(cè)試他們的人格類(lèi)型。得到的人格類(lèi)型，在后面的數(shù)據(jù)處理中用來(lái)做類(lèi)標(biāo)，進(jìn)行分類(lèi)。

3.2 特征選擇

我們得到的數(shù)據(jù)并不能直接使用，需要從這些數(shù)據(jù)中提取有用的特征。根據(jù)之前的研究，我們提取了45個(gè)跟大五人格有關(guān)特征。這些特征可以分為5個(gè)組。具體的特征分類(lèi)如表1所示。

表1 文字輸入特征分類(lèi)

用戶(hù)基本信息和社交網(wǎng)絡(luò)使用信息已經(jīng)被很多研究所使用，這些信息包括用戶(hù)的性別、年齡、家鄉(xiāng)、博客使用頻率等。時(shí)間相關(guān)的特征包括微博發(fā)表頻率，對(duì)別人微博轉(zhuǎn)發(fā)頻率等。情緒相關(guān)特征是那些跟情緒表達(dá)相關(guān)的特征，包括用戶(hù)在微博中使用的表情、情感詞等。情感相關(guān)的特征就是找出微博中情感詞、表情的使用數(shù)量。時(shí)間和情感都相關(guān)的特征是指最近的情感表達(dá)。

4 實(shí)驗(yàn)

4.1 被試

本文共選取200名位被試，所有被試都經(jīng)常使用微博，至少兩天登錄一次。他們的年齡在25-51歲（平均年齡38），其中女性121位，男性79位。在做實(shí)驗(yàn)之前，我們會(huì)告訴他們，我們將會(huì)接入他們的微博，并獲得他們微博中的信息。每位被試按要求填寫(xiě)大五人格量表。然后，被試登陸我們的第三方網(wǎng)頁(yè)接口，給我們授權(quán)收集他們的微博信息。

每位被試在實(shí)驗(yàn)結(jié)束后都填寫(xiě)一份大五人格量表，通過(guò)量表的得分給每位被試的數(shù)據(jù)加類(lèi)標(biāo)。為了得到用于分類(lèi)的類(lèi)標(biāo)，我們把量表測(cè)得的分?jǐn)?shù)離散化，把被試的得分分為兩組，高分組和低分組。高分組為高于或等于平均分的被試，低分組為低于平均分的被試。

通過(guò)轉(zhuǎn)換，得到下表所示的數(shù)據(jù)。

表2 人格量表得分離散化

4.2 分類(lèi)模型建立

本文采用支持向量機(jī)算法建立分類(lèi)模型。使用5折交叉驗(yàn)證，4/5的數(shù)據(jù)用于建模，剩下的4/5的數(shù)據(jù)用來(lái)對(duì)該模型進(jìn)行驗(yàn)證。

最后對(duì)人格五個(gè)維度上的分類(lèi)準(zhǔn)確率進(jìn)行統(tǒng)計(jì)，同時(shí)使用雙側(cè)T檢驗(yàn)判斷分類(lèi)的準(zhǔn)確率和基線(xiàn)之間是否有顯著性差異。這里，我們用多數(shù)類(lèi)所占的比例為基線(xiàn)。

無(wú)時(shí)間限制的人格推斷模型分類(lèi)準(zhǔn)確率如表2所示。從表中可以看出，通過(guò)支持向量機(jī)進(jìn)行分類(lèi)，開(kāi)放性的分類(lèi)準(zhǔn)確率最高，達(dá)到了81.00%，是最容易被分類(lèi)的。其次是盡責(zé)性，準(zhǔn)確率達(dá)到了78%。分類(lèi)效果最差的是宜人性，準(zhǔn)確率只有69%。

這個(gè)結(jié)果，應(yīng)該和類(lèi)標(biāo)的獲取有著重要的關(guān)系。為了獲取類(lèi)標(biāo)，本次研究采用自陳量表的方式得到每位被試在各個(gè)維度得分的高低，得分容易受到自我認(rèn)識(shí)的影響。大五人格五個(gè)維度中，一些容易被觀察到，例如宜人性，而一些是不容易被觀察到的，比如開(kāi)放性。容易被觀察的維度，自評(píng)量表得到的結(jié)果就不是那么準(zhǔn)確，容易有誤差，而不易觀察的維度，通過(guò)自評(píng)量表得到的結(jié)果更加準(zhǔn)確。本文采用的自評(píng)的方式獲得人格分?jǐn)?shù)，所以分類(lèi)結(jié)果不易觀察上的準(zhǔn)確率更高（開(kāi)放性最高），而不易觀察的維度上面的準(zhǔn)確率較低（宜人性最低）。

同時(shí)，我們把每個(gè)維度的分類(lèi)準(zhǔn)確率和基線(xiàn)進(jìn)行對(duì)比，使用雙側(cè)T檢驗(yàn)（p<.05），得到的結(jié)果如表最后一列所示，只有宜人性的分類(lèi)準(zhǔn)確率沒(méi)有沒(méi)顯著高于基線(xiàn)，其他四個(gè)維度的分類(lèi)準(zhǔn)確率都顯著高于基線(xiàn)。

表3 人格五個(gè)維度上分類(lèi)準(zhǔn)確率

5 結(jié)語(yǔ)

本文使用支持向量機(jī)，對(duì)微博用戶(hù)的人格進(jìn)行推斷。通過(guò)對(duì)我們提取出來(lái)的45與人格相關(guān)的特征，在人格的五個(gè)維度上進(jìn)行分類(lèi)，得出已下結(jié)論：①本文建立的人格推斷模型能夠?qū)ξ⒉┯脩?hù)的人格進(jìn)行推斷。②模型在開(kāi)放性維度的準(zhǔn)確度最高，在宜人性維度上的準(zhǔn)確度最低。

將來(lái)，我們將繼續(xù)在心理學(xué)計(jì)算機(jī)科學(xué)的交叉學(xué)科上進(jìn)行研究。為了將整個(gè)人格推斷模型做地更好，我們將嘗試其他分類(lèi)算法，期望找到更好的算法。同時(shí)，現(xiàn)在還存在很多其他社交平臺(tái)，例如QQ空間、微信，將來(lái)我們也打算在其他平臺(tái)進(jìn)行嘗試，對(duì)我們的結(jié)論進(jìn)行檢驗(yàn)，同時(shí)希望更多的信息能夠提高我們的推斷準(zhǔn)確率。

[1]Kaplan A M,Haenlein M.Users of the World,Unite!The Challenges and Opportunities of Social Media[J].Business Horizons.2010, 53（1）:59-68.

[2]Reeves B,Nass C.The Media Equation:How People Treat Computers,Television,and New Media Like Real People and Places[M]. Cambridge University Press,1996.

[3]Goldberg L R.The Structure of Phenotypic Personality Traits.[J].American Psychologist，1993,48（1）:26-34.

[4]Gosling S D,Rentfrow P J,Swann W B.A Very Brief Measure of the Big-Five Personality Domains.[J].Journal of Research in Personality.2003,37（6）:504-528.

[6]Cattell H E."The Structure of Phenotypic Personality Traits":Comment.[J].American Psychologist.1993,48（12）:1302-1303.

[7]Dd O C E O.Social Network Analysis[J].Encyclopedia of Social Network Analysis&Mining.2011,22（Suppl 1）:109-127.

[8]Fang X,Chan S,Nair C.An Online Survey System on Computer Game Enjoyment and Personality[C].International Conference on Human-Computer Interaction,2009.2009:304-314.

[9]Fang X,Chan S,Nair C.An Online Survey System on Computer Game Enjoyment and Personality[J].Lecture Notes in Computer Science.2009,5613:304-314.

[10]王瑩，朱廷劭.微博人格結(jié)構(gòu)的詞匯學(xué)研究[C].全國(guó)心理學(xué)學(xué)術(shù)會(huì)議,2014.2014.

[11]王青.大學(xué)生微博用戶(hù)人格特質(zhì)、使用動(dòng)機(jī)和使用行為的關(guān)系研究[D].南開(kāi)大學(xué),2011.

[12]劉麗華.人格互動(dòng)與微博傳播[J].新聞知識(shí).2011（12）:51-52.

[13]胡志海，范曉振.微博活躍使用者人格狀況分析[J].黃山學(xué)院學(xué)報(bào).2014（4）:90-93.

[14]陳俏，曹根牛，謝麗娟.支持向量機(jī)的研究進(jìn)展[J].現(xiàn)代計(jì)算機(jī):專(zhuān)業(yè)版.2009（4）:47-50.

Personality Inference Model Based on Support Vector Machine

DONG Chun-lin
（No.1 Middle School,Guangan 638300）

Weibo is widely used in China.By extracting the information of Weibo users,and using support vector machine to classify the data,establishes a personality inference model to infer users'personality.The results show that the inference model can get good inference accuracy.

Personality;SVM;Sina Weibo

1007-1423（2017）07-0003-04

10.3969/j.issn.1007-1423.2017.07.001

董春霖（1982-），女，四川岳池人，本科，全國(guó)三級(jí)心理咨詢(xún)師

2016-12-22

2017-03-01