Cr-Net: شبكة تصنيف-انحدار عميقة لتحليل الشخصية الظاهرية متعددة الوسائط
تؤثر الانطباعات الأولى بشكل كبير على التفاعلات الاجتماعية، وتمتلك تأثيرًا كبيرًا في الحياة الشخصية والمهنية. في هذه الورقة، نقدم شبكة تصنف-تُقَدِّر عميقة تُدعى CR-Net لتحليل مشكلة الخمسة كبرى في الشخصية (Big Five Personality) وتقديم مساعدة إضافية في توصية المقابلات الوظيفية ضمن سياق الانطباعات الأولى. يعتمد هذا السياق على مجموعة بيانات ChaLearn First Impressions، التي تتضمن بيانات متعددة الوسائط (مقطع فيديو، صوت، ونصوص مستخلصة من البيانات الصوتية)، حيث يتحدث كل فرد أمام الكاميرا. ولتحقيق تنبؤ شامل، نحلل مقاطع الفيديو من منظورين: المشهد الكامل (يشمل حركات الشخص والخلفية)، ووجه الشخص نفسه. تقوم شبكة CR-Net أولاً بتصنيف السمات الشخصية، ثم تطبق عملية انحدار لاحقًا، مما يتيح تنبؤات دقيقة لكل من السمات الشخصية والتوصيات الوظيفية. علاوة على ذلك، نقدّم دالة خسارة جديدة تُسمى Bell Loss، لمعالجة التنبؤات غير الدقيقة الناتجة عن مشكلة الانحدار نحو المتوسط (regression-to-the-mean). أظهرت التجارب الواسعة على مجموعة بيانات First Impressions فعالية الشبكة المقترحة، حيث تفوقت على أحدث التقنيات المُدرجة في المجال.