Dissertação
Personality trait detection EVALUATED
A previsão de personalidade, tradicionalmente uma tarefa complexa da psicologia, tem atraído crescente atenção da comunidade computacional. Com os avanços no poder computacional e a integração de interações homem-máquina no quotidiano, o tema expandiu-se para áreas como sistemas de recomendação, assistentes virtuais e tratamentos de saúde assistidos. Esta tese foca-se na previsão de traços de personalidade utilizando classificadores out-of-the-box. Utilizando o conjunto de dados Essays e no modelo de personalidade Big Five, este estudo explora o comportamento dos diferentes traços em vários cenários e a influência de características específicas. É apresentada uma comparação pormenorizada de text embeddings, classificadores, técnicas de pré-processamento e engineered features. Além disso, é proposto um cenário da vida real, oferecendo uma metodologia para a recolha de dados aplicável a este estudo. Os resultados apresentados estão 5% abaixo da accuracy do estado da arte quando comparados com a média e 3% abaixo da mediana, demonstrando um bom desempenho, considerando as limitações de hardware e o uso de métodos menos complexos. Também mostra o impacto das engineered features em cada traço de personalidade, bem como as palavras mais relevantes. Atingindo uma média de 57% de accuracy e 60% de F1-score nos três embeddings estudados, tanto para a Regressão Logística como para o SVM. Em conclusão, esta tese serve como um estudo fundacional para o trabalho futuro na previsão da personalidade em ambientes com restrições de hardware, discutindo os desafios e limitações enfrentados, bem como destacando as principais conclusões que podem informar a investigação subsequente.
novembro 27, 2024, 11:0
Documentos da dissertação ainda não disponíveis publicamente
Orientação
ORIENTADOR
João Fernando Cardoso Silva Sequeira
Departamento de Engenharia Electrotécnica e de Computadores (DEEC)
Professor Auxiliar