Master's Thesis
Personality trait prediction using textual data from social media
— 2024
Key information
Authors:
Supervisors:
Published in
June 25, 2024
Abstract
A avaliação da personalidade é um domínio da psicologia que demonstrou ser popular desde os primórdios desta ciência. Existem vários modelos de personalidade, mas o que aparenta ser mais dominante no campo da psicologia, é o modelo dos Big Five. Com o avanço tecnológico nas últimas décadas, modelos automáticos de deteção de personalidade ganharam popularidade nos campos da psicologia e de machine learning. Adicionalmente, o crescimento das redes sociais resultou na disponiblidade de uma grande quantidade de dados que contêm informação relevante relativamente à personalidade dos seus utilizadores. Um tipo de modelo de machine learning que se tem destacado recentemente na previsão de traços de personalidade, são os modelos de linguagem pré-treinados de grande escala, que estão entre as técnicas do estado da arte. Neste estudo foram utilizados dois conjuntos de dados, contendo publicações textuais do Facebook e do Twitter, para efetuar a previsão dos scores de traços de personalidade dos Big Five dos utilizadores. O modelo desenvolvido recorreu ao modelo de linguagem pré-treinado de grande escala, Sentence-BERT, para extrair sentence embeddings do texto e a uma rede neuronal para prever os scores dos traços de personalidade Big Five dos utilizadores. Esta arquitetura atingiu resultados que ultrapassaram entre 16-18% os prévios melhores resultados, no conjunto de dados do Twitter, e aproximadamente 70% inferiores no caso do conjunto de dados do Facebook. Adicionalmente, foi efetuada uma análise de como dados de diferentes contextos podem ser combinados e aplicados uns aos outros, no âmbito de previsão de traços de personalidade. Personality assessment is a topic in psychology that has been popular since the early days of the field. Many personality models were created since then, but one model that is, arguably, the most dominant in the field of psychology is the Big Five model, which identifies 5 traits that compose human personality. With the rise of computers in the past decades, automatic personality assessment models have been gaining popularity among the psychology and machine learning communities. Additionally, with the rise of social media, there is a large amount of data that, arguably, contains much information regarding the users' personalities. Many machine learning models have been used to perform this task, but, when regarding text-based personality prediction, large pre-trained language models have been gaining popularity in regards to this task, proving to achieve state-of-the-art results in many cases. In this work, two datasets containing textual data, from the Facebook and Twitter social media platforms, were used to predict the Big Five personality scores of the users. The proposed model resorted to the large pre-trained language model, Sentence-BERT, to extract sentence embeddings and used a neural network as a regression model. With this architecture, state-of-the-art results were achieved in the Twitter dataset, outperforming previous state-of-the-art results by around 16-18%, but underperfoming compared to the state-of-the-art results in the Facebook dataset. Additionally, a comparative analysis was performed of how data from different sources can be combined and applied to one another, in the scope of personality trait prediction.
Publication details
Authors in the community:
Supervisors of this institution:
RENATES TID
203843860
Degree Name
Mestrado em Engenharia Eletrotécnica e de Computadores
Fields of Science and Technology (FOS)
electrical-engineering-electronic-engineering-information-engineering - Electrical engineering, electronic engineering, information engineering
Keywords
- personality prediction
- Big Five
- machine learning
- previsão de personalidade
Publication language (ISO code)
eng - English
Rights type:
Embargo lifted
Date available:
April 29, 2025
Institution name
Instituto Superior Técnico