Библиографическое описание:Mbele Ossiyi, L. P. Analysis of personality traits based on the disc model using machine learning methods = Анализ личностных черт на основе модели DISC с использованием методов машинного обучения / L. P. Mbele Ossiyi, P. D. Drobintsev. - (Интеллектуальные системы и технологии). - Текст : непосредственный // Информатика, телекоммуникации и управление = Computing, Telecommunications and Control. - 2023. - Т. 16, № 3. - С. 54-63. - Библиогр.: с. 62 (16 назв.). - ISSN 2687-0517.
Аннотация:The analysis of a person's social media behavior with respect to privacy and human rights provides information about their personality traits and is seen as a topical task today. In areas such as marketing, training, education, human resource management and hiring policies in companies, knowledge about personality traits proves to be profitable and important in decision making and business orientation cases. The paper analyzes the performance of machine learning methods in a personality trait identification task based on the DISC psychological model and a small size dataset created from scratch. Although the dataset created was relatively small, the machine learning methods used showed encouraging and convincing results. Results for all personality trait classifiers were improved using hyperparameter optimization, increasing the performance of the XGBoost classifier to 70. 45% on the accuracy metric in the test sets.
Анализ поведения человека в социальных сетях с соблюдением конфиденциальности и прав человека позволяет получить информацию о его личностных чертах и рассматривается на сегодняшний день как актуальная задача. В таких сферах как маркетинг, профессиональная подготовка, образование, управление человеческими ресурсами и политика найма в компаниях, знание о личностных чертах оказывается прибыльным и важным в случаях принятия решений и ориентации на бизнес. Статья посвящена анализу производительности методов машинного обучения в задаче идентификации личностных черт на основе психологической модели DISC и созданного с нуля набора данных небольшого размера. Хотя созданный набор данных был относительно небольшого размера, используемые методы машинного обучения показали обнадеживающие и убедительные результаты. Результаты, полученные всеми классификаторами по всем чертам личности, были улучшены с применением оптимизации гиперпараметров, что позволило увеличить производительность классификатора XGBoost до 70, 45% по метрике accuracy в тестовых наборах.
Ключевые слова:DISC model, data preprocessing, human behavior, machine learning, personality traits (psychology), personality traits analysis, psychological models, анализ личностных черт, личностные черты (психология), машинное обучение, модель DISC, поведение человека, предварительная обработка данных, психологические модели
Рубрики:Радиоэлектроника, Искусственный интеллект. Экспертные системы
ISSN:2687-0517
Идентификаторы:полочный индекс M 44, шифр /M 44-171055
