М.А. Станкевич – инженер, ФИЦ «Информатика и управление» РАН (Москва) E-mail: stankevich@isa.ru

И.В. Смирнов – к.ф.-м.н., зав. отделом, ФИЦ «Информатика и управление» РАН (Москва) E-mail: ivs@isa.ru

Н.А. Игнатьев – студент, РУДН (Москва)

E-mail: naignatiev@yandex.com

Н.В. Кисельникова – к.псих.н., зав. лабораторией, 

Психологический институт Российской академии образования (Москва)

E-mail: nv.pirao@gmail.com

М.М. Данина – к.псих.н., ст. науч. сотрудник, 

Психологический институт Российской академии образования (Москва) E-mail: mdanina@yandex.ru

Проведен анализ модели Большой Пятерки личностных черт пользователей социальной сетей при помощи автоматической обработки данных их персональных профилей. На основе полученного набора данных была произведена мульти-классовая классификация, целью которой было автоматическое определение уровня выраженности каждой из пяти личностных черт пользователей.

1. Gosling S.D., Rentfrow P.J., Swann Jr W.B. A very brief measure of the Big-Five personality domains // Journal of Research in personality. 2003. Т. 37. № 6. С. 504−528.
2. Ortigosa A., Carro R.M., Quiroga J.I. Predicting user personality by mining social interactions in Facebook // Journal of computer and System Sciences. 2014. Т. 80. № 1. С. 57−71.
3. Schwartz H.A. et al. Personality, gender, and age in the language of social media: The open-vocabulary approach // PloS one. 2013. Т. 8. № 9. С. e73791.
4. Costa P.T., McCrae R.R. NEO five-factor inventory (NEO-FFI). Odessa, FL: Psychological Assessment Resources. 1989.
5. Coppersmith G. et al. CLPsych 2015 shared task: Depression and PTSD on Twitter // Proc. of the 2nd Workshop on Computational Linguistics and Clinical Psychology: From Linguistic Signal to Clinical Reality. 2015. С. 31−39.
6. Yazdavar A.H. et al. Semi-supervised approach to monitoring clinical depressive symptoms in social media // Proc. of the 2017 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining. ACM. 2017. С. 1191−1198.
7. Jamil Z. Monitoring Tweets for Depression to Detect At-risk Users: дис. Université d'Ottawa/University of Ottawa. 2017.
8. De Choudhury M., Counts S., Horvitz E. Social media as a measurement tool of depression in populations // Proc. of the 5th Annual ACM Web Science Conference. ACM. 2013. С. 47−56.
9. Wang X. et al. A depression detection model based on sentiment analysis in micro-blog social network // Pacific-Asia Conference on Knowledge Discovery and Data Mining. Springer, Berlin, Heidelberg. 2013. С. 201−213.
10. Cobb-Clark D.A., Schurer S. The stability of big-five personality traits // Economics Letters. 2012. Т. 115. № 1. С. 11−15.
11. Golbeck J. et al. Predicting personality from twitter // Privacy, Security, Risk and Trust (PASSAT) and 2011 IEEE Third Inernational Conference on Social Computing (SocialCom). 2011. С. 149−156.
12. Pennebaker J.W., Francis M.E., Booth R.J. Linguistic inquiry and word count: LIWC 2001 // Mahway: Lawrence Erlbaum Associates. 2001. Т. 71.
13. Coltheart M. The MRC psycholinguistic database // The Quarterly Journal of Experimental Psychology. 1981. Т. 33. № 4. С. 497−505.
14. Pedregosa F. et al. Scikit-learn: Machine learning in Python // Journal of machine learning research. Oct. 2011. Т. 12. С. 2825−2830.