Анализ личностных черт пользователей социальных сетей на основе автоматической обработки их профилей

М.А. Станкевич; И.В. Смирнов; Н.А. Игнатьев; Н.В. Кисельникова; М.М. Данина

doi:10.18127/j20729472-201804-04

Анализ личностных черт пользователей социальных сетей на основе автоматической обработки их профилей

М.А. Станкевич¹, И.В. Смирнов², Н.А. Игнатьев³, Н.В. Кисельникова⁴, М.М. Данина⁵

научная статья УДК 004.8 Страницы: 15-19 doi.org/10.18127/j20729472-201804-04

¹ инженер, ФИЦ «Информатика и управление» РАН (Москва)
² к.ф.-м.н., зав. отделом, ФИЦ «Информатика и управление» РАН (Москва)
³ студент, РУДН (Москва)
⁴ к.псих.н., зав. лабораторией, Психологический институт Российской академии образования (Москва)
⁵ к.псих.н., ст. науч. сотрудник, Психологический институт Российской академии образования (Москва)

Ключевые слова: Большая Пятерка личностных черт анализ социальных сетей машинное обучение классификация

Аннотация

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.

Для цитирования

Станкевич М.А., Смирнов И.В., Игнатьев Н.А., Кисельникова Н.В., Данина М.М. Анализ личностных черт пользователей социальных сетей на основе автоматической обработки их профилей // Системы высокой доступности. 2018. № 4. С. 15–19. DOI: https://doi.org/10.18127/j20729472-201804-04

Список источников

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.
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.
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.
Costa P.T., McCrae R.R. NEO five-factor inventory (NEO-FFI). Odessa, FL: Psychological Assessment Resources. 1989.
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.
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.
Jamil Z. Monitoring Tweets for Depression to Detect At-risk Users: дис. Université d'Ottawa/University of Ottawa. 2017.
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.
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.
Cobb-Clark D.A., Schurer S. The stability of big-five personality traits // Economics Letters. 2012. Т. 115. № 1. С. 11−15.
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.
Pennebaker J.W., Francis M.E., Booth R.J. Linguistic inquiry and word count: LIWC 2001 // Mahway: Lawrence Erlbaum Associates. 2001. Т. 71.
Coltheart M. The MRC psycholinguistic database // The Quarterly Journal of Experimental Psychology. 1981. Т. 33. № 4. С. 497−505.
Pedregosa F. et al. Scikit-learn: Machine learning in Python // Journal of machine learning research. Oct. 2011. Т. 12. С. 2825−2830.

[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.

Аннотация

Для цитирования

Похожие статьи