Transfer Learning for Personality and Demographics Prediction of Internet Users

Predikcija tipa ličnosti i demografskih informacija je zanimljiv i koristan zadatak koji nam može pomoći u u boljem razumijevanju prirodnog jezika, kao i za razne društvene znanosti. U ovom radu smo isprobali višezadaćno učenje, specifično metode tvrdog i mekog dijeljenja parametara, na problemu predikcije tipova liˇcnosti i demografskih informacija. Također smo demonstrirali način učenja modela gdje treniramo na skupu podataka Reddit za koji nemamo sve oznake za svaki primjer iz skupa podataka. Rezultati pokazuju da ovakav pristup s danim značajkama i arhitekturom modela ne donosi značajna poboljšanja performansi modela u odnosu na učenje modela pojedinačno.Predicting personality type and demographic information is an interesting and useful task that can help us in a better understanding of natural language as well as for various social sciences. In this paper, we tested multitask learning, specifically hard and soft parameter sharing metods, on the problem of personality and demographics prediction. Also, we demonstrated a way of learning a model where te train on a Reddit dataset for which we don’t have all the labels for each example in the dataset. The results show that this approach does not bring significant improvements in the performance of the model compared to learning the models individually