자동적 성격 예측; 앙상블 모델링을 활용한 개선된 방법

인간의 성격은 그 사람이 말하거나 글을 쓸 때 사용하는 단어들로 크게 나타납니다. 정보 인프라(특히 인터넷과 소셜 미디어)의 확산으로 인해 인간의 의사소통이 직접 대면 의사소통에서 크게 변화하였습니다. 일반적으로, 자동 성격 예측(또는 인식)(Automatic Personality Prediction, APP)은 텍스트, 음성, 이미지, 비디오 등 다양한 유형의 인간이 생성하거나 교환한 콘텐츠에 대한 성격을 자동으로 예측하는 것을 의미합니다. 본 연구의 주요 목표는 텍스트를 통한 APP의 정확도를 개선하는 것입니다. 이를 위해 용어 빈도 벡터 기반, 온톨로지 기반, 향상된 온톨로지 기반, 잠재 의미 분석(Latent Semantic Analysis, LSA) 기반 및 심층 학습 기반(BiLSTM) 방법을 포함하여 다섯 가지 새로운 APP 방법을 제안합니다. 이러한 방법들은 계층적 주의 네트워크(Hierarchical Attention Network, HAN)를 메타 모델로 사용한 앙상블 모델링(스태킹)을 통해 서로 보완하여 APP의 정확도를 향상시키는데 기여합니다. 결과는 앙상블 모델링이 APP의 정확도를 개선한다는 것을 보여줍니다.