Natural Language Processing in Personality Analysis: Predicting the Big Five Personality Traits from Essays

Osobnost utječe na naše živote na mnogo različitih načina. Od toga kako održavamo odnose do mentalnog zdravlja. Određuje se iz raznih uzoraka ponašanja, misli i osjećaja. Pet crta ličnosti koje dobro opisuju taj širok spektar su: ekstraverzija, neurotičnost, ugodnost, otvorenost i savjesnost. One su još poznate pod nazivom Velikih Pet i dio su renomiranog modela Velikih pet crta ličnosti. Trenutno se osobnost procjenjuje davanjem upitnika, ali bi nova alternativa tome mogla biti automatizirana klasifikacija ličnosti. U ovom se radu koriste strojno učenje i obrada prirodnog jezika za procjenu ličnosti iz teksta. Taj problem pripada kategoriji binarne klasifikacije s više labela, pa je bilo potrebno transformirati zadatak kako bi bio prikladan za neke česte modele plitkog učenja. Uz to, koristili smo i LIWC alat za analizu teksta kako bismo dodatno poboljšali rezultate. Analiza glavnih komponenti se iskoristila za smanjenje broja značajki, što je pripomoglo generalizaciji modela. Usporedili smo više modela dubokog i plitkog učenja kako bismo pronašli onaj koji se najbolje prilagođava našem problemu. Modeli su evaluirani po točnosti te su tako uspoređeni, međusobno i s postojećim istraživanjima na ovu temu koja su koristila iste podatke.Personality influences a person’s life in many ways. From the way we maintain relationships to our psychological health. A personality is inferred from a pattern of behaviours, thoughts, and feelings. Five personality traits: extraversion, neuroticism, agreeableness, openness, and conscientiousness describe this wide range well. They are also known as the Big Five traits, a part of a well established Big Five model. Currently, personality assessment is done by administering questionnaires, but a new alternative could be automated personality classification. In this thesis we used machine learning and NLP to assess personality from textual data. This problem fell into the multilabel binary classification category, so we first transformed the problem for shallow learning. With the texts, we use the Linguistic Inquiry and Word Count text analysis tool for further improvement. To reduce the feature space we used principal component analysis. We explore and compare different deep and shallow learning approaches to find the best performing models. The models are evaluated based on the achieved accuracy and compared to each other and existing research on this topic with the same dataset