personality prediction下載 - personality prediction源代碼下載

personality prediction

Ai源碼

Code for ICDM'20 paper

下載

使用預訓練的語言模型的自動性格預測

該存儲庫包含紙質自下而上和自上而下的代碼：具有心理語言和語言模型特徵的人格，發表在IEEE國際數據挖掘會議2020年。

以下是用Tensorflow + Pytorch編寫的一組實驗，用於使用論文數據集中的語言模型探索自動化的個性檢測（標記為特質的大五個個性）和Kaggle MBTI數據集。

設定

從GitHub中提取存儲庫，然後創建一個新的虛擬環境（CONDA或VENV）：

 git clone https : // github . com / yashsmehta / personality - prediction . git
cd personality - prediction
conda create - n mvenv python = 3.10

安裝詩歌，並使用它來安裝運行項目所需的依賴項：

 curl - sSL https : // install . python - poetry . org | python3 -
poetry install

用法

首先運行通過語言模型將數據集傳遞的LM提取器代碼，並將（所有層）嵌入（所有層）存儲在泡菜文件中。創建此“新數據集”可節省我們大量的計算時間，並有效地搜索填充網絡的超參數。在運行代碼之前，請在回購文件夾中創建一個PKL_DATA文件夾。所有參數都是可選的，並且傳遞沒有參數以默認值運行提取器。

python LM_extractor.py -dataset_type ' essays ' -token_length 512 -batch_size 32 -embed ' bert-base ' -op_dir ' pkl_data '

接下來，運行一個固定模型，以將提取的功能作為醃製文件中的輸入並訓練一個固定模型。我們發現淺MLP是表現最好的一個

python finetune_models/MLP_LM.py

結果表	語言模型與心理語言特徵

在看不見的文本上預測個性

請按照以下步驟預測個性（例如，大五：海洋特徵）在新文本/文章中：

python finetune_models/MLP_LM.py -save_model ' yes '

現在使用下面的腳本預測看不見的文本：

python unseen_predictor.py

運行時間

LM_extractor.py

在rtx2080 gpu上，``bert-base'iffertor''提取器大約需要〜2m 30s，而“伯特 - 大''的提取器大約需要〜5m 30s

在CPU上，“ Bert-base”提取器大約需要約25m

python finetune_models/MLP_LM.py

在RTX2080 GPU上，根據MLP體系結構，在5s-60s上運行15個時期（沒有交叉驗證）。

文學

基於深度學習的人格預測[文學評論]（Springer Air Journal -2020）

 @article { mehta2020recent ,
  title = { Recent Trends in Deep Learning Based Personality Detection } ,
  author = { Mehta, Yash and Majumder, Navonil and Gelbukh, Alexander and Cambria, Erik } ,
  journal = { Artificial Intelligence Review } ,
  pages = { 2313–2339 } ,
  year = { 2020 } ,
  doi = { https://doi.org/10.1007/s10462-019-09770-z } ,
  url = { https://link.springer.com/article/10.1007/s10462-019-09770-z }
  publisher= { Springer }
}

基於語言模型的人格預測（ICDM -2020）

如果您發現此存儲庫對您的研究有用，請使用以下內容引用它：

 @inproceedings { mehta2020bottom ,
  title = { Bottom-up and top-down: Predicting personality with psycholinguistic and language model features } ,
  author = { Mehta, Yash and Fatehi, Samin and Kazameini, Amirmohammad and Stachl, Clemens and Cambria, Erik and Eetemadi, Sauleh } ,
  booktitle = { 2020 IEEE International Conference on Data Mining (ICDM) } ,
  pages = { 1184--1189 } ,
  year = { 2020 } ,
  organization = { IEEE }
}