Inferência de Personalidade a partir de textos em Português
utilizando Léxico Linguístico e Aprendizagem de Máquina
Aldo M. Paim1, Ricardo S. Camati1, Fabrício Enembreck1 1Programa de Pós-Graduação em Informática (PPGIa)
Pontifícia Universidade Católica do Paraná (PUCPR) – Curitiba – PR – Brasil
{aldo,ricardo.camati,fabricio}@ppgia.pucpr.br
Abstract. Recent advances in automatic text analysis refer to the possibility that computer systems are able to recognize and detect personality traits from text. However, these methods are still in process of development and are, mostly, specific for the English language, although there are a few studies related to Portuguese. In this context, the paper presents a method for the inference of the individual's personality in texts published on the social network Facebook, written in Portuguese. The method is based on linguistic features available in the LIWC lexicon and is processed by text mining algorithms. The results show output values related to human personality in a moderate scale.
Resumo. Os avanços recentes em análise automática de textos remetem a possibilidade que sistemas computacionais sejam capazes de reconhecer e detectar características de personalidade em texto. Entretanto, esses métodos ainda estão em fase de desenvolvimento e são, em sua grande maioria, para a língua inglesa, existindo escassos estudos para língua portuguesa. Nesse contexto, o artigo apresenta um método para a inferência da personalidade do indivíduo por meio de textos publicados na rede social Facebook, escritos em língua portuguesa. O método é baseado em características linguísticas, por intermédio do léxico LIWC e são processadas por meio de algoritmos de mineração de texto. Os resultados apresentam valores de saída correlacionados à personalidade humana em uma escala moderada.
1. Introdução
A descoberta do comportamento e esclarecimento da personalidade humana está presente em diversas áreas de conhecimento. Estudos desenvolvidos no campo da Neurociência e da Psicologia comprovam o papel fundamental que a personalidade do indivíduo reflete na cognição humana, no que se refere à percepção, raciocínio, aprendizagem, memória e tomada de decisão [Damásio, 1996].
Devido ao seu potencial de aplicabilidade, há uma grande difusão do estudo do Reconhecimento da Personalidade por meio de Texto (RPT), utilizado em diversas áreas: (i) na Inteligência Artificial para criar agentes mais humanos [Dimuro, 2007], (ii) mensurar a personalidade dos usuários em redes sociais [Quercia et al., 2012], (iii) personalização de produtos em sites de negócios (e-commerce) [Nunes et al., 2008], e (iv) sistemas de recomendação baseados em personalidade [HU e PU 2011].
Para a inferência da personalidade por meio de texto, diversos pesquisadores, como [Mairesse, 2007], [Quercia et al., 2012] e [Lima e Castro, 2013], utilizam o modelo de fatores chamado “Big Five”, descreve a personalidade de um indivíduo em torno de cinco traços [McCrae e John,1992]: Extroversão, Neuroticismo, Socialização, Realização e Abertura à experiência. Em relação ao RPT, nota-se que a expansão de sua aplicação para idiomas diferentes do inglês é necessária. No caso da língua portuguesa existem poucos estudos computacionais com o objetivo de inferir a personalidade humana [Nunes et al., 2013; Lima e Castro, 2013].
Esta pesquisa promove um modelo de reconhecimento automático de personalidade a partir de texto, em língua portuguesa, por meio de uma abordagem léxica, utilizando algoritmos de aprendizagem de máquina (AM). Até a publicação deste artigo, não identificamos nenhum outro trabalho de RPT que utiliza léxico linguístico e a rede social Facebook para a língua portuguesa. O presente artigo está estruturado da seguinte forma: a seção 2 discute a personalidade humana e o modelo BigFive; a seção 3 expõe o método proposto de inferência; e os resultados são apresentados e analisados na seção 4. As conclusões e direções para trabalhos futuros são oferecidas na seção 5.
2. Personalidade
Etimologicamente, a palavra personalidade deriva do latim – persona – que significa “máscara”, isto é, como nos apresentamos aos outros indivíduos da sociedade. Em Psicologia, o conceito de personalidade é subjetivo, existem muitas perspectivas teóricas diferentes. Estas teorias podem ter algumas semelhanças ou serem completamente contraditórias [Bock et al., 1999].
2.1 Teorias da Personalidade
Variantes de três métodos científicos são usualmente utilizados para a construção de uma teoria da personalidade: o método clínico (utiliza estudos de casos de pacientes), o método experimental (inclui a observação objetiva e sistemática em um ambiente controlado) e o método correlacional (avalia a relação entre variáveis). Entre as principais teorias da personalidade, podemos classificar uma parte importante delas como: psicanalítica, neopsicanalítica, behaviorista, humanista e genética. Estas teorias investigam a influência de um ou mais dos seguintes fatores na personalidade: genético, ambiental, aprendizado, parental, desenvolvimento, consciência e inconsciência [Shultz e Shultz, 2003].
A primeira teoria da personalidade, chamada “teoria psicanalítica”, implicou na descoberta do inconsciente. Esta teoria foi inferida por meio do método psicanalítico (uma especialização do método clínico), criado por Freud (1903). O inconsciente é uma instância mental, regida pelo princípio do prazer, que busca a satisfação imediata de seus impulsos. Em contraposição ao inconsciente, o consciente é regido pelo princípio da realidade e utiliza mecanismos de defesa contra os impulsos considerados não apropriados, vindos do inconsciente. Os psicanalistas usam a metáfora do complexo de Édipo para enfatizar o fator parental, considerado o principal pilar formador da personalidade que ocorre por volta dos cinco anos de idade. A partir do complexo de Édipo, a personalidade é classificada em três tipos distintos, de acordo com o mecanismo de defesa utilizado. O tipo neurótico usa o recalque, reprimindo os impulsos não adequados; o psicótico faz uso da foraclusão, encontrando fora os impulsos que
deveriam ser reprimidos (o sujeito perde o contato com a realidade). A perversão faz uso da denegação, em outras palavras, aquilo que para um neurótico é inconcebível para o perverso pode provocar satisfação. O legado do inconsciente motivou o aparecimento de outras teorias complementares à teoria psicanalítica, um exemplo é o inconsciente estruturado como uma linguagem de Jacques Lacan que aproxima a psicanálise da lógica formal [Nasio, 1992].
As teorias neopsicanalistas foram influenciadas pela psicanálise, mas divergiram de algum fundamento da teoria freudiana original. Carl G. Jung postulou a existência de arquétipos (representações herdadas de antepassados) em um inconsciente coletivo. Essas representações interagem com o inconsciente pessoal e com a consciência, formando complexos que ditam o modo de funcionamento mental. Ele identificou os tipos de personalidade como introvertido e extrovertido [Jung, 2002]. Erik Erikson (1968), outro neopsicanalista, afirmou que a personalidade era formada por uma sucessão de oito estágios (teoria life-span), que evidenciam um conflito de sentimentos específicos (um positivo e um negativo) em um contexto social. Para Erikson o desenvolvimento da personalidade era gradual e por toda a vida.
Em sua teoria da motivação, Maslow (1853) criticou as teorias inferidas pelo método clínico, pois achava que apenas o estudo dos melhores espécimes resultaria em uma psicologia livre de defeitos. Ele acreditava que a psicoterapia deveria ser um processo de autoconhecimento e não um processo de tratamento de doenças mentais. Iniciou suas perspectivas teóricas com pessoas que admirava, e depois com pessoas que ele considerou emocionalmente saudáveis. Seu método humanístico e otimista considerava que o livre arbítrio poderia moldar da personalidade. Uma de suas maiores contribuições foi classificação hierárquica das necessidades humanas, representadas em forma de pirâmide. Na base da pirâmide estavam as mais básicas (fisiológicas) e as mais elaboradas no topo (autorrealização). Apenas depois das necessidades mais básicas satisfeitas é que as mais elaboradas poderiam ser alcançadas.
Em 1913, Watson desenvolveu o behaviorismo metodológico (teoria comportamental). Em sua ótica, o comportamento humano é análogo a uma função, que, ao receber um estímulo de entrada, produz um comportamento na saída. Skinner autor do behaviorismo radical, notou que certos comportamentos poderiam ser condicionados por meio de estímulos que recompensam ou punem (conceito de comportamento operante) [Bock et al., 1999]. No behaviorismo, a personalidade é o comportamento resultante da interação entre o ambiente e o indivíduo.
Muitas teorias da personalidade deram importância aos processos cognitivos. Estes processos são as diferentes percepções do ambiente por meio de pensamentos. Albert Bandura afirmou que os comportamentos não são aprendidos apenas por reforço, mas também por observação. Para George Kelly, cada indivíduo tem um sistema de padrões cognitivos usados para interpretar o ambiente e moldar a personalidade [Shultz e Shultz, 2003].
Allport e Allport (1921) admitiram um conjunto de padrões de resposta inato de cada indivíduo que interage com o ambiente social nas dimensões afetivas, cognitivas e comportamentais, dando origem a psicologia dos traços, evidenciando o fator genético. Para os autores, os traços são reais e não o produto de uma teoria (podendo ser observados). Os traços possuem mecanismos entrelaçados e podem ser evidenciados
simultaneamente em um determinado momento ou variar de acordo com determinada situação. Gordom Allport detectou dois tipos principais de traços: aqueles que são comuns a membros de uma cultura e os que são individuais. Ele chamou de traços centrais aqueles que são os mais expressivos em uma personalidade, se contrapondo aos traços secundários (menos expressivos). A próxima seção discute o problema do cálculo da personalidade.
2.2 Cálculo da personalidade
Existem diferentes métodos usados por psicólogos para investigar a personalidade: a entrevista clínica; as avaliações de comportamentos; as amostras de pensamentos; os inventários de personalidade; e os testes projetivos. A presente pesquisa optou pelos inventários de personalidade, por serem aceitos pela comunidade de computação afetiva no problema de RPT [Vinciarelli e Mohammadi, 2014].
Optamos por usar um tipo específico de inventário de personalidade (baseado na teoria dos traços), chamado de modelo dos cinco grandes fatores, ou Big Five [McDougall, 1932]. Este inventário se baseia na hipótese léxica, incluindo as diferenças de personalidade dos indivíduos de uma determinada cultura na linguagem. O Big Five começou a ganhar expressão a partir da década de 1980, quando as pesquisas de McCrae e John (1992) começaram a comprovar a existência destes traços em indivíduos de diferentes culturas e faixas etárias: extroversão (diz respeito a uma pessoa sensível, assertiva, ativa, impulsiva, sociável e que expressa entusiasmo); neuroticismo (descreve uma pessoa insegura, ansiosa, mal-humorada, autopunitiva e dimensões do afeto negativo); socialização (define uma pessoa como amigável, cooperativa, cordial, prestativa, altruísta e confiante); realização (caracteriza uma pessoa autodisciplinada, organizada, metódica e persistente); abertura à experiência (descreve uma pessoa com abertura ao novo, intelectual, criteriosa, liberal e tolerante).
A crítica, no uso deste tipo de inventário, é justamente que o indivíduo pode mentir sobre a sua verdadeira personalidade, dando pistas falsas sobre seus traços. Os Testes projetivos (baseados no mecanismo de projeção freudinano) como o teste Rorschach e o teste das relações objetais não possuem estas interferências [Ocampo et al., 1999], mas desconhecemos qualquer trabalho em computação que faz o uso destes testes (provavelmente devido aos detalhes mais subjetivos em sua aplicação). Entre os inventários de personalidade baseados no Big Five, optamos pelo NEO-IPIP 120 [Johnson, 2014]. Esta escolha é justificada por ele possuir 120 questões, mantendo a precisão na inferência de personalidade sem ser cansativo.
3. Método de Inferência de Personalidade a partir de Texto em Língua Portuguesa
Nessa seção é apresentado um método detalhado para a inferência da personalidade do indivíduo por meio de textos regidos em língua portuguesa. O método é composto pelas seguintes etapas: (i) mensuração explícita da personalidade via inventário, cujo resultado será utilizado para a avaliação do método computacional, (ii) montagem da base textual, a partir de publicações da rede social Facebook (iii) pré-processamento, responsável pela limpeza e representação dos dados, e (iv) mineração dos dados, por intermédio de algoritmos de regressão para a geração de modelos de reconhecimento da personalidade. Para melhor entendimento do modelo proposto, na Figura 1 são ilustradas as fases do projeto e como elas estão relacionadas.
Figura 1. Visão geral do modelo para inferir a personalidade a partir de texto
A seguir, as etapas do método serão discutidas.
3.1. Mensuração Explícita de Personalidade via Inventário
A aplicação do questionário NEO-IPIP 120 contou com a consultoria de um psicólogo. Ela tem o intuito de auxiliar a avaliação do método proposto e rotular os exemplos do conjunto de treinamento, caracterizando uma aprendizagem supervisionada. Os voluntários do estudo responderam a todas as questões do inventário, selecionando uma das cinco opções de resposta formatadas em uma escala Likert (discordo totalmente; discordo parcialmente; nem discordo nem concordo; concordo parcialmente; concordo totalmente) representando seu nível de concordância para cada pergunta.
Após o término do preenchimento do questionário, os valores atribuídos a cada uma das indagações são utilizados para contabilizar o resultado. No cálculo, é atribuído ao resultado um valor entre 1 a 100 para cada um dos itens do BigFive, segundo método desenvolvido por Johnson (2014). O valor 1 corresponde ao nível mais baixo do traço e o valor 100 ao nível mais alto do traço.
Os participantes da pesquisa são 256 estudantes universitários (115 homens e 141 mulheres) com a média de 25 anos de idade, pois possuem assiduidade nas mídias sociais e responderam de forma voluntária o inventário NEO-IPIP 120, por meio do documento online ou impresso. Ainda, ressalte-se que esta pesquisa foi aprovada pelo Comitê de Ética em Pesquisa da Pontifícia Universidade Católica do Paraná. A próxima subseção tratará as minúcias da montagem da base textual.
3.2. Base de Dados
Com base nos dados coletados, obteve-se um conjunto textual composto por 2.590.034 palavras, não exclusivas, presentes em 187.488 publicações realizadas pelos usuários participantes do experimento na rede social. A Tabela 1 apresenta outras informações da base textual coletada.
Tabela 1. Informações sobre a base de dados
Informações Total
Usuários 256
Publicações 187.488
Média de publicações por usuário 732
Palavras 2.590.034
Média de palavras por usuário 10.117
Posteriormente à etapa de seleção e criação da base de dados, o processo avança para a etapa de pré-processamento, responsável pela limpeza e representação dos dados. Essa etapa será detalhada na próxima subseção.
3.3. Pré-processamento
Essa etapa é responsável pela preparação do texto para a mineração dos dados, e também, realiza a extração de características linguísticas empregadas nos textos, criando uma matriz de termos relevantes para a inferência.
Os indutores (algoritmos de AM) exigem como entrada um vetor de características, o qual contém n atributos (características) e um atributo-classe (classe). Os valores para a classe deste vetor serão baseados no resultado do inventário aplicado aos participantes. Por sua vez, os atributos serão baseados nas características textuais extraídas por meio do léxico psicolinguístico LIWC [Pennebaker et al., 2007], disponibilizado para idioma português pelo estudo de [Balage Filho et al.. 2013]. A versão portuguesa do léxico possui mais de 127 mil palavras catalogadas em 64 categorias, dentre elas: palavras relacionadas à família, palavrões, verbos e outras. Baseado no modelo de aplicação do léxico LIWC, feita por Mairesse (2007) para a língua inglesa, o vetor de característica contém o percentual correspondente ao número de palavras categorizadas no léxico e presente nas publicações dos usuários nas redes sociais, conforme demonstrado na equação (1).
d d t d t tt tf LIWC(, ) , 100 (1)Na equação, tft,d corresponde a ocorrência do termo t em um documento d. O
valor ttd é o total de palavras empregadas no documento d.
Ao conjunto padrão de 64 categorias, disponibilizado para o português brasileiro, foram acrescentadas cinco novas categorias, inspiradas no léxico LIWC de língua inglesa [Pennebaker et al., 2007]. Essas categorias são independentes de idiomas, em razão de ser apenas contagem de características textuais, sendo tais categorias formadas pelo total da quantidade de: palavras, termos encontrados no léxico, palavras com mais de seis letras, palavras por frase e frases contidas no texto. Na Figura 2 são
ilustradas as etapas do processo de pré-processamento da base textual, bem como a estrutura das cinco bases de treinamento.
Figura 2. Estrutura da base de treinamento
As bases de treinamento são criadas a partir das características linguísticas extraídas dos textos com o auxílio do léxico LIWC. Essa estrutura de modelo permite comprovar a hipótese inicial desta pesquisa que questiona se o reconhecimento da personalidade pode ser mensurado por meio de trechos escritos por seus autores.
Observe-se que para construir um modelo de classificação com o intuito de categorizar os traços de personalidade de um indivíduo utilizando o BigFive, esbarra-se em um problema de classificação multi-rótulo, visto que no modelo BigFive uma pessoa sempre terá os cinco traços quantificados. Dessa forma, optou-se por decompor o problema multi-rótulo em cinco modelos pertencentes a cada traço do modelo BigFive. Todavia, a base de dados do usuário e o vetor de característica linguística são utilizados para todos os modelos de treinamento, alterando apenas o atributo-meta conforme cada traço de personalidade.
Na próxima subseção serão apresentados os algoritmos de mineração de dados utilizados para criar o modelo de inferência de personalidade e validação do método.
3.4. Mineração dos Dados
Para a tarefa de construir um modelo de predição capaz de reconhecer os traços de personalidade de um indivíduo por meio de texto, um conjunto de algoritmos candidatos para essa tarefa foi analisado e testado. A base de treinamento é composta pelas
instâncias e atributos previamente rotulados (aprendizagem supervisionada), por meio do vetor de característica apresentado na subseção anterior. Essa base de treinamento tem por objetivo construir um indutor que possa determinar corretamente o atributo meta de exemplos ainda não rotulados (base teste). Para a validação de cada algoritmo, foi escolhida a técnica de k-fold cross-validation (validação cruzada), em que o valor de k é igual a 10.
Os valores possíveis para o atributo meta serão representados pelo nível (0 a 100) correspondente ao traço de personalidade do indivíduo, caracterizando, assim, um problema de regressão. Para a execução do método foram adotados diferentes modelos de indutores de regressão, a saber: Linear Regression [Witten e Frank, 2005], SMOreg [Shevade et al., 2000], M5P [Wang e Witten, 1997] e LWL [Atkeson et al. 1997].
Para a estimativa e precisão dos algoritmos na etapa de mineração dos dados, foram utilizados métodos de avaliação de correlação de Pearson e teste estatístico não-paramétrico de Friedman. Em caso de rejeição da hipótese nula do teste, pode-se prosseguir com um teste post-hoc de Nemenyi [Corder e Foreman, 2011] para detectar quais são as diferenças entre os classificadores. Esse teste permite ranquear os algoritmos utilizados nos experimentos e obter a resposta sobre quais possuem o melhor comportamento.
Na sequência são apresentados os resultados do método proposto.
4. Experimentos e Resultados
Essa seção descreve os experimentos realizados para a validação e avaliação de desempenho do método proposto. Para a tarefa foi utilizada a ferramenta WEKA [Witten e Frank, 2005] que conta com todos os algoritmos adotados para este estudo.
Com o propósito de comparar o desempenho do método, foram utilizados como referência (baseline) os melhores resultados de correlação (r) por meio da abordagem TF-IDF (Term Frequency – Inverse Document Frequency) [Salton e Buckley, 1988], para cada traço de personalidade, tendo em vista que o método TF-IDF é amplamente aplicado no reconhecimento de personalidade por meio de texto em outros idiomas.
Com a utilização da abordagem TF-IDF, obteve-se uma lista de termos relevantes que são capazes de se correlacionar com os traços de personalidade de seus autores. Desse modo, com o propósito de determinar o melhor conjunto que se correlaciona com o traço de personalidade (atributo-meta), optou-se por extrair vários conjuntos, por meio da ferramenta WEKA, variando o número de termos para cada conjunto (68, 150, 200, 250, 300, 500, 750, 1000, 1500, 2000 e 3000 termos). A Tabela 2 apresenta os conjuntos de termos que atingiram maiores correlações com os traços de personalidade.
Os experimentos com o LIWC são apresentados na Tabela 3. Observa-se que com esse léxico os traços Neuroticismo, Realização e Abertura, obtiveram coeficientes de correlação superiores aos da baseline, conforme destaque. Para os demais traços, obtiveram-se resultados próximos aos da baseline. Entretanto, a correlação se apresenta no intervalo interpretado como fraco, com resultados entre 0,11 a 0,30.
Ressalte-se que os valores de correlação obtidos demonstram resultados superiores aos estudos de inferência de personalidade em língua portuguesa já
publicados, como o de [Nunes et al., 2013] que obteve o valor de 0,12 como maior correlação. A correlação fraca, presente nos experimentos e nos trabalhos de RPT para a língua portuguesa, indica que obter um modelo de inferência de personalidade não é trivial, especialmente em ambientes virtuais, em que o vocábulo utilizado é informal.
Tabela 2. Melhores correlações de Pearson com a abordagem TF-IDF para com todos os traços de personalidade.
Traço Algoritmo Correlação de
Pearson (r)
Quantidade de termos TF-IDF
Extroversão Linear Regression 0,264 1500
Neuroticismo LWL 0,162 68
Realização IBK (k=1) 0,112 500
Socialização LWL 0,123 300
Abertura IBK (k=1) 0,185 250
Tabela 3. Resultados de correlação de Pearson utilizando léxico LIWC para todos os traços de personalidade (* correlação significante ao nível de 0,05).
Traço Baseline M5P Linear Regression SMOReg SMOReg (kernel=Puk) LWL Extroversão 0,264 0,17* 0,1331* 0.1297* 0.2085* 0.058 Neuroticismo 0,162 0,1918* 0,1503* 0.1375* 0.0735 0.1738* Realização 0,112 0,1131 0,087 0.0503 0.1514* 0.1376* Socialização 0,123 -0,0087 -0,0456 -0.0248 0.0405 -0.113 Abertura 0,185 0,1618* 0,1092 0.1693* 0.2008* 0.2031*
Ainda, o conjunto de treinamento, composto pelas categorias do LIWC, foi submetido ao seletor de atributos Wrapper [Kohavi e John, 1997] e ao método de pesquisa Greedy Stepwise [Witten e Frank, 2005]. Para cada algoritmo obteve-se um subconjunto de atributos que possui maior correlação com o atributo-meta. Esses subconjuntos foram utilizados para criar novas bases de treinamentos, contendo apenas as categorias do LIWC que possuem maior ligação com os traços de personalidade.
A Tabela 4 apresenta os resultados do conjunto de treinamento LIWC submetidos ao seletor de atributos, utilizando k-fold cross-validation, em que o valor de k é igual a 10. Ainda, a tabela destaca o melhor resultado para cada traço.
Note-se que com a utilização desse método, os resultados superaram a baseline para a todos os traços e o coeficiente de correlação aumentou, chegando a uma escala moderada, com valores entre 0,27 a 0,39.
Para determinar a existência de diferença estatística significativa entre os algoritmos do experimento, utilizou-se o teste de Friedman (todos contra todos) e
post-hoc de Nemenyi. O teste de Friedman não apontou diferença significativa entre os algoritmos com 95% de confiança. Dessa maneira, nenhum algoritmo utilizado no experimento com o léxico LIWC obteve relevância de desempenho em relação a outro.
Tabela 4. Resultados de correlação de Pearson utilizando LIWC com seletor de atributos para todos os traços (* correlação significante ao nível de 0,05).
Traço Baseline M5P Linear Regression SMOReg SMOReg (kernel=Puk) LWL Extroversão 0,264 0.0775 0.2539* 0.2595* 0.2709* 0.1656* Neuroticismo 0,162 0.2692* 0.2553* 0.2951* 0.3937* 0.1983* Realização 0,112 0.2858* 0.2498* 0.2438* 0.3075* 0.2038* Socialização 0,123 0.1007 0.0629 0.1628* -- 0.2046* Abertura 0,185 0.284* 0.3261* 0.3743* 0.3479* 0.3451*
Destaca-se que utilizando o léxico LIWC, com a seleção de atributos, os resultados foram superiores à abordagem do vetor de característica TF-IDF, obtendo correlações na escala moderada.
5. Conclusão e Trabalhos Futuros
O estudo descrito propõe um método semiautomático para detecção de personalidade a partir de textos para o português do Brasil, diminuindo a lacuna encontrada no estado da arte para tal idioma. O objetivo foi quantificar os cinco grandes fatores que descrevem a personalidade de um indivíduo (BigFive).
Para a realização dessa proposta, aplicou-se aos usuários do experimento o inventário NEO-IPIP 120, que permite quantificar os cinco grandes fatores que descrevem a personalidade de um indivíduo. Dos mesmos usuários, foram coletadas postagens na rede social Facebook. Essas informações foram processadas por meio de algoritmos de mineração de textos para a geração de métodos de inferência de personalidade. O método usa exclusivamente uma abordagem de AM supervisionada para classificar os textos.
Com a utilização do léxico LIWC, para a língua portuguesa, o modelo obteve valores de saída correlacionados à personalidade humana em uma escala moderada, com valores de correlação superiores a 0,30 para a maioria dos traços.
Pode-se recomendar, como trabalhos futuros, a adaptação do método desenvolvido para outras redes sociais, como o Twitter, podendo tais resultados ser comparados com os obtidos da base textual do Facebook. Essa comparação poderá identificar se os textos curtos do Twitter influenciam na tarefa de inferência de personalidade. Além disso, uma associação com o léxico LIWC e a abordagem TF-IDF pode ser realizada, com o objetivo de aumentar a cobertura dos termos e obter o peso de frequência que corresponde à importância das palavras para o documento. Por fim, abre-se um horizonte de pesquisa quanto à utilização de técnicas de classificação multi-rótulo e compreensão da relação entre a personalidade e as características linguísticas.
Referências
Allport, F. H., Allport, G. W. (1921) “Personality Traits: Their Classification And Measurement”, In Journal Of Abnormal And Social Psychology, v.16, p. 6–40. Atkeson, C. G.; Moore, A. W.; Schaal, S. (1997) “Locally weighted learning for
control”, In Artificial Intelligence Review, v. 11, p. 75-113.
Balage Filho, P. P., Pardo, T. A., Aluisio, S. M. (2013) “An Evaluation of the Brazilian Portuguese LIWC Dictionary for Sentiment Analysis”, In 9th Brazilian Symposium in Information and Human Language Technology, Fortaleza, Ceará, p. 215-219. Bock, A. M. B., Furtado, O., Teixeira T. M. (1999) “Psicologias: Uma introdução ao
estudo da psicologia”, 13ª. ed., São Paulo, Saraiva.
Corder, G.; Foreman, D. (2011) “Nonparametric Statistics for Non-Statisticians: A Step- by-Step Approach”, Hoboken, NY, John Wiley & Sons.
Damásio, A. R. (1996) “O erro de Descartes: emoção razão e o cérebro humano”, São Paulo, SP: Companhia das Letras.
Dimuro, G. P., Costa, A. C. R., Gonçalves, L. V., Hübner, A. (2007) “Centralized Regulation of Social Exchanges between Personality-based Agents”, In Coordination, Organizations, Institutions, and Norms in Agent Systems II, Berlin, Heidelberg, Germany, Springer Verlag, p. 338-355.
Erikson, E. H. (1968) “Identidade, juventude e crise”, Rio de Janeiro, Zahar.
Freud, S. (1901 – 1905) “Um caso de histeria, três ensaios sobre a sexualidade e outros trabalhos”, Edição Standard das Obras Psicológicas Completas de Sigmund Freud, volume VII, Rio de Janeiro, Imago Editora, Tradução de 1969, p. 235-240.
Hu, R., Pu, P. (2011). “Enhancing Collaborative Filtering Systems with Personality Information”, In Proceedings of the Fifth ACM Conference on Recommender Systems, New York, NY, ACM, p. 197-204).
Johnson, J. A. (2014) “Measuring Thirty Facets of the Five Factor Model with a 120-item Public Domain Inventory: Development of the IPIP-NEO-120”, In Journal of Research in Personality, c. 51, p. 78-89.
Jung, C. G. (2002) “Os arquétipos e o inconsciente coletivo”, 2ª. ed, Petrópolis, Editora Vozes.
Kohavi, R.; John, G. (1997) “Wrappers for Feature Subset Selection”, In Artificial Intelligence, Amsterdam, v. 97, n. 1-2, p. 273-324.
Lima, A. C. E. S., Castro, L. N. (2013) “Multi-label Semi-supervised Classification Applied to Personality Prediction in Tweets”, In Computational Intelligence and 11th Brazilian Congress on Computational Intelligence (BRICS-CCI & CBIC), 2013 BRICS Congress on. IEEE, p.195-203.
Mairesse, F., Walker, M. A., Mehl, M. R., Moore, R. K. (2007) “Using Linguistic Cues for the Automatic Recognition of Personality in Conversation and Text”, In Journal of Artificial Intelligence Research, v. 30, p. 457-500.
McCrae, R. R., John, O. P. (1992) “An Introduction to the Five‐factor Model and its Applications”, Journal of Personality, v. 60, n. 2, p. 175-215.
McDougall, W. (1932) “Of the Words Character and Personality”, In Character Personality, v. 1, n. 1, p. 3-16.
Nasio, J. D. (1992) “Cinco lições sobre a teoria de Jacques Lacan”, Rio de Janeiro, Zahar.
Nunes, M. A. S. N. (2012) “Computação Afetiva personalizando interfaces, interações e recomendações de produtos, serviços e pessoas em ambientes computacionais”, Projetos e Pesquisas em Ciência da Computação no DCOMP/PROCC/UFS, v. 1, p. 115-151.
Nunes, M. A. S. N., Teles, F. R., De Souza, J. G. (2013) “Inferindo personalidade via tweets”, In GEINTEC-Gestão, Inovação e Tecnologias, v. 3, n. 3, p. 045-057.
Nunes, M. A. S. N., Cerri, S. A., Blanc, N. (2008) “Towards User Psychological Profile”, In Proceedings of the VIII Brazilian Symposium on Human Factors in Computing Systems, Sociedade Brasileira de Computação, p. 196-203.
Ocampo M. L. S., Arzeno M. E. G., Piccolo E. G. (1999) “O processo psicodiagnóstico e as técnicas projetivas”, 9ª. ed, São Paulo, Martin Fontes.
Pasquali, L. (2001) “Técnicas de exame psicológico – TEP”, São Paulo, Casa do Psicólogo.
Pennebaker, J. W.; Chung, C. K.; Ireland, M.; Gonzales, A.; Booth, R. J. (2007) “The Development and Psychometric Properties of LIWC2007”, [software manual], Austin, TX, LIWC. Net.
Quercia, D., Lambiotte, R., Stillwell, D., Kosinski, M., Crowcroft, J. (2012) “The Personality of Popular Facebook Users”, In Proceedings of the ACM 2012 Conference on Computer Supported Cooperative Work, p. 955-964.
Salton, G., Buckley, C. (1988) “Term-weighting Approaches in Automatic Text Retrieval”, Information Processing & Management, v. 24, n. 5, p. 513–523.
Schultz, D. P., Schultz, S. E. (2003) “Theories of Personality”, 8th ed., Belmont, CA, Wadsworth.
Shevade, S. K., Keerthi, S. S., Bhattacharyya, C., Murthy, K. R. K. (2000) “Improvements to the SMO Algorithm for SVM Regression”, IEEE Transactions on Neural Networks, v. 11, n.5, p. 1188-1193.
Vinciarelli, A., Mohammadi G. (2014) “A Survey of Personality Computing”, IEEE Transactions on Affective Computing, v.5, n.3, p. 273-291.
Wang, Y., Witten, I. H. (1997) “Induction of Model Trees for Predicting Continuous Classes”, In Poster Papers of the 9th European Conference on Machine Learning. Witten, I. H., Frank, E. (2005) “Data Mining: Practical Machine Learning Tools and
Techniques”, The Morgan Kaufmann Series in Data Management Systems, 2nd ed. San Francisco: Elsevier.
