arXiv cs.AI· Sina Heydari, Majid Ramezani·· 11 小时前AI 评分20
HyperPersona：基于多层超图框架的文本自动人格预测
HyperPersona: A Multi-Level Hypergraph Framework for Text-Based Automatic Personality Prediction
AI 导读
HyperPersona 提出用超图结构显式建模文本的文档、句子、词三层组织：文档与句子作为超边、词作为节点，再由基于 Transformer 的图编码器学习层内与跨层交互。在 Big Five 人格维度上的实验显示，仅依赖文本即可超越现有 SOTA 基线。该框架强调文本层级结构对从自然语言推断人格的作用，论文目前处于同行评审阶段。
正文 · AI 翻译
摘要：作为一种现代商品，语言已成为社会和心理上重要特征与概念的庞大宝库，反映了人们将思维、行为和情感模式编码为词语的方式。基于文本的自动人格预测（APP）旨在从语言行为中推断人格，为传统心理测量评估提供了一种可扩展的替代方案。尽管文本本质上是分层的，文档级捕捉全局特征，句子级编码局部语义，词级提供细粒度的词汇信息，但大多数现有方法依赖于浅层、序列或单层表示，忽略了书面语言的多层结构。为解决这一问题，我们提出了 HyperPersona，一个通过超图结构显式建模文本层次组织（文档、句子和词）的框架，其中文档及其句子表示为超边，词表示为节点，从而实现对文本全局、局部和词汇依赖的联合建模。随后，基于 transformer 的图编码器学习这些语言层内部及层间的交互，为人格预测生成上下文敏感且结构化的特征表示。在“大五”人格维度上的实验表明，仅依靠文本，HyperPersona 就能有效整合多层次语言线索，与最先进的基线相比取得了更优的性能。这些发现凸显了文本层次结构在推进从自然语言中进行类人化人格推断方面的关键作用。
| 评论： | 该稿件目前正在同行评审中 |
| 主题： | 人工智能（cs.AI）；计算与语言（cs.CL） |
| ACM 分类： | I.2.7；I.2.6；I.2.4 |
| 引用为： | arXiv:2605.17355 [cs.AI] |
| （或本版本使用 arXiv:2605.17355v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2605.17355 arXiv 颁发的 DOI 通过 DataCite |
提交历史
来自：Sina Heydari [查看邮箱]
[v1]
2026年5月17日星期日 09:49:06 UTC（2,702 KB）
[v2]
2026年10月16日星期五 11:32:35 UTC（2,706 KB）
来源：arXiv cs.AI · arxiv.org