ارايه يك مدل هوشمند به‌منظور تشخيص چندوجهي شخصيت كاربران با استفاده از روش‌هاي يادگيري ژرف

An Intelligent Model for Multidimensional Personality Recognition of Users using Deep Learning Methods

با توجه به رشد قابل‌توجه اطلاعات و داده‌هاي متني كه توسط انسان‌ها در شبكه‌هاي ‌مجازي توليد مي‌شوند، نياز به سيستم‌هايي است كه بتوان به كمك آن‌ها به‌صورت خودكار به تحليل داده‌ها پرداخت و اطلاعات مختلفي را از آن‌ها استخراج كرد. يكي از مهم‌ترين داده‌هاي متني موجود در سطح وب ديد‌گاه‌هاي افراد نسبت به يك موضوع مشخص است. متن‌هاي منتشرشده توسط كاربران در فضاي مجازي مي‌تواند معرف شخصيت آن‌ها باشد. الگوريتم‌هاي يادگيري ماشين مي‌تواند انتخاب مناسبي براي تجزيه‌و‌تحليل اين‌گونه مسائل باشند، اما به‌منظور غلبه بر پيچيدگي و پراكندگي محتوايي و نحوي داده‌ها نياز به الگوريتم‌هاي يادگيري ژرف بيش از پيش در اين حوزه احساس مي‌شود. در اين راستا، هدف اين مقاله به‌كارگيري الگوريتم‌هاي يادگيري ژرف به‌منظور دسته‌بندي متون براي پيش‌بيني شخصيت مي‌باشد. براي رسيدن به اين هدف، شبكه عصبي كانولوشني با مدل آدابوست به‌منظور دسته‌بندي داده‌ها تركيب گرديد تا بتوان به كمك آن داده‌هاي آزمايشي كه با خطا دسته‌بندي ‌شده‌اند را در مرحله دوم دسته‌بندي با اختصاص ضريب آلفا، با دقت بالاتري دسته‌بندي كرد. مدل پيشنهادي اين مقاله روي دو مجموعه داده ايزيس و يوتيوب آزمايش شد و بر اساس نتايج بدست آمده مدل پيشنهادي از دقت بالاتري نسبت به ساير روش‌هاي موجود روي هر دو مجموعه داده برخودار است.

Due to the significant growth of textual information and data generated by humans on social networks, there is a need for systems that can automatically analyze the data and extract valuable information from them. One of the most important textual data is people's opinions about a particular topic that are expressed in the form of text. Text published by users on social networks can represent their personality. Although machine learning based methods can be considered as a good choice for analyzing these data, there is also a remarkable need for deep learning based methods to overcome the complexity and dispersion of content and syntax of textual data during the training process. In this regard, the purpose of this paper is to employ deep learning based methods for personality recognition. Accordingly, the convolutional neural network is combined with the Adaboost algorithm to consider the possibility of using the contribution of various filter lengths and gasp their potential in the final classification via combining various classifiers with respective filter sizes using AdaBoost. The proposed model was conducted on Essays and YouTube datasets. Based on the empirical results, the proposed model presented superior performance compared to other existing models on both datasets.