自动人格预测；基于集成建模的改进方法

人类个性在很大程度上可以通过其在言语或书写中使用的词汇来体现。随着信息基础设施（尤其是互联网和社交媒体）的普及，人际交流已经显著地从面对面交流转变为线上交流。自动个性预测（或感知）(APP) 是指通过自动化手段对人类生成或交换的各种内容（如文本、语音、图像、视频等）进行个性特征的预测。本研究的主要目标是提高基于文本的APP的准确性。为此，我们提出了五种新的APP方法，包括基于词频向量的方法、基于本体的方法、增强型本体方法、潜在语义分析(LSA)方法以及基于深度学习的双向长短期记忆网络(BiLSTM)方法。这些基础方法通过集成建模（堆叠）相互补充，以分层注意力网络(HAN)作为元模型来提升APP的准确性。实验结果表明，集成建模能够有效提高APP的准确性。