基于多信源互聯(lián)網(wǎng)信息的大學(xué)生人格特質(zhì)計(jì)算

摘要：本文提出了一種依據(jù)多個(gè)來源的網(wǎng)絡(luò)信息計(jì)算用戶的人格特質(zhì)的方法。對高校等能獲取用戶網(wǎng)絡(luò)訪問日志的機(jī)構(gòu)，先收集用戶一段時(shí)間內(nèi)所訪問的URL地址；然后使用爬蟲技術(shù)提取用戶訪問網(wǎng)頁的文本內(nèi)容；使用情感詞典計(jì)算各網(wǎng)站文本所體現(xiàn)的情感傾向；根據(jù)不同網(wǎng)站的特性給出網(wǎng)站在情感傾向上的不同權(quán)重，從而由各網(wǎng)站的情感傾向加權(quán)計(jì)算獲得最終的人格特質(zhì)評(píng)分。實(shí)驗(yàn)中以志愿者填寫自我報(bào)告量表作為結(jié)果驗(yàn)證的基準(zhǔn)數(shù)據(jù)。實(shí)驗(yàn)結(jié)果表明：志愿者在不同網(wǎng)站上表現(xiàn)出的人格特質(zhì)不同，基于單一社交媒體的人格特質(zhì)結(jié)果與真實(shí)情況有偏差?；诙嘣淳W(wǎng)絡(luò)信息進(jìn)行整體的、綜合的人格特質(zhì)計(jì)算方法，可以得到更準(zhǔn)確的結(jié)果。

關(guān)鍵詞：人格特質(zhì)；人格計(jì)算；多信源互聯(lián)網(wǎng)信息

引言

高校大學(xué)生心理問題日益受到關(guān)注，如何獲取大學(xué)生的人格特質(zhì)成為大學(xué)生心理問題研究的難點(diǎn)之一[1]。當(dāng)前人格特質(zhì)計(jì)算研究主要是通過社交文本分析 、新聞評(píng)論或博客的用戶行為數(shù)據(jù)等分析人格特質(zhì)。然而，高校等機(jī)構(gòu)能獲取的數(shù)據(jù)是大學(xué)生的網(wǎng)絡(luò)訪問日志，而不能從互聯(lián)網(wǎng)網(wǎng)站后端直接獲取用戶行為數(shù)據(jù)。網(wǎng)絡(luò)訪問日志的相關(guān)數(shù)據(jù)來源廣泛、規(guī)模龐大、信息雜亂，各類網(wǎng)站所能獲取的信息在情感分析的支持維度、力度等都不盡相同。這些問題給基于網(wǎng)絡(luò)訪問日志進(jìn)行人格特質(zhì)計(jì)算的研究帶來很大困難。本文研究了基于多信源互聯(lián)網(wǎng)信息計(jì)算大學(xué)生人格特質(zhì)的方法，能根據(jù)大學(xué)生訪問互聯(lián)網(wǎng)的日志信息，獲取相應(yīng)的網(wǎng)絡(luò)訪問文本數(shù)據(jù)，從中過濾提取與情感傾向相關(guān)的詞句，結(jié)合網(wǎng)站特性等因素，綜合計(jì)算得到用戶的人格特質(zhì)。本研究為當(dāng)前高校管理提供了一種有效的、較為可靠的大學(xué)生人格特質(zhì)獲取方法。

1. 基于多信源互聯(lián)網(wǎng)信息的人格特質(zhì)

當(dāng)前大部分高校已完成校園網(wǎng)建設(shè)，為在校大學(xué)生提供免費(fèi)的互聯(lián)網(wǎng)接入服務(wù)。而大學(xué)生絕大部分時(shí)間都在校園內(nèi)學(xué)習(xí)和生活。因此，大學(xué)生的互聯(lián)網(wǎng)訪問活動(dòng)基本都是通過校園網(wǎng)接入的。通過校園網(wǎng)的北向接口，可以獲得學(xué)生的互聯(lián)網(wǎng)訪問日志，如網(wǎng)絡(luò)上下線日志、網(wǎng)絡(luò)URL日志、網(wǎng)絡(luò)APP使用日志等[2]。大學(xué)生對互聯(lián)網(wǎng)的日常使用和訪問，一方面，不存在刻意回避、作假等行為，具有較高的可信性；另一方面，無論是瀏覽信息癖好或發(fā)表的相關(guān)言論等，都是大學(xué)生人格特質(zhì)的重要體現(xiàn)，對分析大學(xué)生的心理問題有重要意義。

1.1 計(jì)算流程

圖1顯示了基于多信源的人格特質(zhì)的計(jì)算過程。首先，對某用戶的網(wǎng)絡(luò)訪問日志進(jìn)行清洗，刪除無效的訪問記錄，例如非網(wǎng)頁的URL、失效的URL等；把有效的URL收集整合到有效頁面集合中。其次，使用爬蟲工具處理有效頁面日志中包含的所有URL。爬蟲工具將捕獲網(wǎng)頁的文本內(nèi)容，并把來自同一網(wǎng)站的所有文本集成到一個(gè)大文本文件中。再次，使用Jieba分詞工具和sc-liwc心理詞典，從網(wǎng)站大文本中統(tǒng)計(jì)語言情感特征詞的頻率和比例，并以此作為該用戶在此網(wǎng)站上內(nèi)容瀏覽的人格特質(zhì)計(jì)算依據(jù)；進(jìn)而計(jì)算用戶在該網(wǎng)站上表現(xiàn)出的人格特質(zhì)。在綜合所有網(wǎng)站結(jié)果之前，需要把所有網(wǎng)站進(jìn)行分類并分配權(quán)重，以平衡網(wǎng)站在人格特質(zhì)計(jì)算上的傾向。最后，通過計(jì)算用戶在所有網(wǎng)站上的人格傾向的加權(quán)平均值，得到該用戶人格特質(zhì)最終結(jié)果。

1.2 網(wǎng)站分類及權(quán)重分配

在前述基于多信源網(wǎng)絡(luò)信息的人格特質(zhì)計(jì)算過程中，需要標(biāo)記不同網(wǎng)站的人格特質(zhì)計(jì)算權(quán)重。主要原因在于：不同的網(wǎng)站可以反映出不同的個(gè)性特征[3]。網(wǎng)站的功能是不同的。有些網(wǎng)站屬于社交媒體，用戶經(jīng)常就某些話題進(jìn)行討論、發(fā)表意見甚至爭論，因此可以清楚地顯示用戶的情感傾向。有些網(wǎng)站是功能性的，比如在銀行頁面上開設(shè)自己的賬戶，在電子商務(wù)網(wǎng)站上購物。這些操作通常與情感無關(guān)，因此不能明顯地表達(dá)用戶的情感傾向。而有些網(wǎng)站，用戶主要瀏覽操作，閱讀他們感興趣的內(nèi)容，但不會(huì)表達(dá)他們的意見，例如新聞網(wǎng)站或其他感興趣的網(wǎng)站。這些頁面可以反映用戶的一些潛在情緒，但并不十分明顯。因此，我們可以對網(wǎng)站進(jìn)行分類，并對每種網(wǎng)站進(jìn)行加權(quán)，以確定這些網(wǎng)站反映用戶情緒的能力。

我們在網(wǎng)絡(luò)訪問日志中對一些最常見的網(wǎng)站，根據(jù)網(wǎng)頁內(nèi)容對用戶情感顯現(xiàn)能力進(jìn)行了簡單分類，主要分為表達(dá)、閱讀、混合、功能等四大類[4]。其中，表達(dá)類是用戶經(jīng)常發(fā)表文本的網(wǎng)站，如各種BBS、微博等平臺(tái)；閱讀類是用戶主要通過閱讀獲取信息，但較少發(fā)表文本的網(wǎng)站，如小說類網(wǎng)站；混合類是用戶所瀏覽閱讀的信息帶有情感傾向且有少量表達(dá)信息的網(wǎng)站；功能類是用戶完成購物、支付、業(yè)務(wù)等與情感無關(guān)工作的網(wǎng)站。

表1顯示了網(wǎng)站分類及其權(quán)重。一般來說，能夠清晰表達(dá)情感傾向的網(wǎng)站權(quán)重較高。網(wǎng)站的權(quán)重設(shè)定，是通過比較該網(wǎng)站計(jì)算的人格特質(zhì)與基準(zhǔn)人格特質(zhì)（基于自我報(bào)告量表）的差距，使用均方根誤差（RMSE）作為評(píng)估指標(biāo)[5]。RMSE值越小，則網(wǎng)站的權(quán)重越高，具體值的設(shè)定由研究人員設(shè)定。根據(jù)抽樣數(shù)據(jù)的分析結(jié)果，表達(dá)類網(wǎng)站體現(xiàn)的個(gè)性特征和基準(zhǔn)的RMSE最小。因此，我們將表達(dá)類的權(quán)重指定為最高。閱讀類和混合類的RMSE也很小，且某些網(wǎng)站的特定人格因素的RMES接近或小于表達(dá)類網(wǎng)站[6]。因此，我們也給閱讀類和混合類網(wǎng)站分配了一定的權(quán)重。而功能類的網(wǎng)頁表達(dá)的個(gè)人特質(zhì)與基準(zhǔn)的RMSE要高很多。因此分配給功能類的權(quán)重比其他類小得多。很難得到各類網(wǎng)站分配精確的權(quán)重值，因此表中權(quán)重是一個(gè)估計(jì)值。

1.3 人格特質(zhì)計(jì)算與驗(yàn)證方法

在前述多信源互聯(lián)網(wǎng)信息的人格特質(zhì)計(jì)算過程中，計(jì)算得到了某人在各網(wǎng)站上的人格特質(zhì)數(shù)據(jù)后，我們可以使用公式（1）得到該用戶在每類網(wǎng)站的人格因素的平均得分。

（1）

其中，i是指五因素人格模型的第i個(gè)人格因素，j是指網(wǎng)站所屬類別，k是指該類別中網(wǎng)站編號(hào)。p_sub_scorei，j，k是第j類網(wǎng)站中第k個(gè)網(wǎng)站針對該用戶計(jì)算出來的i人格因素得分。n_accessk是該用戶訪問k網(wǎng)站的次數(shù)，是該用戶訪問j類別網(wǎng)站的總次數(shù)。

該用戶的人格特質(zhì)可用公式（2）計(jì)算得出最終結(jié)果。

（2）

其中，i是指五因素人格模型的第i個(gè)人格因素，j是指網(wǎng)站所屬類別[7]。p_weighti，j是如1.3節(jié)所述第j類網(wǎng)站在第i維度上的權(quán)重，p_sub_scorei， j是通過公式（1）得到的該用戶在j分類網(wǎng)站的i人格因素的得分。p_scorei是該用戶在五因素人格模型第i維度的得分。

實(shí)驗(yàn)中，我們使用與基準(zhǔn)人格特質(zhì)數(shù)據(jù)（由自我報(bào)告量表獲得）的均方根誤差（RMSE）作為評(píng)估指標(biāo)。RMSE的計(jì)算參考公式（3）。n是計(jì)算人格特質(zhì)的人數(shù)，p_scorei是人格特質(zhì)第i個(gè)因子的得分，p_scoreib是第i個(gè)因素的基準(zhǔn)值。RMSE越小，則計(jì)算結(jié)果越準(zhǔn)確。

（3）

2. 實(shí)驗(yàn)與結(jié)果分析

本研究中，我們收集了122名志愿者的網(wǎng)絡(luò)訪問日志，網(wǎng)絡(luò)訪問日志的時(shí)間跨度為120天。表2顯示了一名志愿者在不同網(wǎng)站上的人格特質(zhì)與自我報(bào)告量表之間的偏差（僅列出一些典型網(wǎng)站）。從表中可以看出，該志愿者在天涯論壇、知網(wǎng)、新浪微博等表達(dá)類網(wǎng)站，顯示出的人格特質(zhì)與自我報(bào)告量表較為接近；而在京東、淘寶等功能性網(wǎng)站差別較大。并且，同一用戶在不同網(wǎng)站表現(xiàn)出來的人格特質(zhì)是不同的，可以認(rèn)為是網(wǎng)站氛圍造成的。此外，人格因素中神經(jīng)質(zhì)是與自我報(bào)告量表相對偏差最大的。

表3顯示了該志愿者的人格特質(zhì)與自我報(bào)告量表之間偏差的最終結(jié)果，該結(jié)果由公式（2）和公式（3）計(jì)算得出。從表3可以看出，通過綜合各網(wǎng)站訪問者的數(shù)據(jù)，可以有效糾正網(wǎng)站氛圍給人格特質(zhì)計(jì)算造成的偏差，使綜合人格特質(zhì)更接近實(shí)際情況。

結(jié)語

本文研究了基于網(wǎng)絡(luò)訪問日志計(jì)算用戶的人格特質(zhì)方法。研究結(jié)果表明：志愿者在不同網(wǎng)站上表現(xiàn)出的人格特質(zhì)由于受到網(wǎng)站氛圍的影響，與其實(shí)際人格特質(zhì)不同，因此，基于單一社交媒體的人格特質(zhì)計(jì)算結(jié)果與真實(shí)情況有明顯偏差。在高校能獲得較完整的網(wǎng)絡(luò)訪問日志的背景下，對大學(xué)生基于多源網(wǎng)絡(luò)信息進(jìn)行整體的、綜合的人格特質(zhì)計(jì)算可以得到更準(zhǔn)確的結(jié)果，從而能更有效、更及時(shí)地對大學(xué)生進(jìn)行心理評(píng)估、心理干預(yù)等工作[8]。本研究主要針對用戶的URL日志，文本數(shù)據(jù)主要來自網(wǎng)頁，而URL訪問只是網(wǎng)絡(luò)訪問的一小部分，更多內(nèi)容（如手機(jī)訪問日志等）沒有被收集利用。此外，本研究未考慮圖像、視頻等類型的多媒體內(nèi)容，因而無法提取和分析更詳細(xì)的網(wǎng)絡(luò)行為及其相應(yīng)的人格特質(zhì)[9]。這也是我們未來心理大數(shù)據(jù)的研究方向。

參考文獻(xiàn)：

[1]柳靜，王銘，孫啟武，等.我國大學(xué)生心理咨詢與危機(jī)干預(yù)的管理現(xiàn)狀調(diào)查[J].中國臨床心理學(xué)雜志，2022，30（2）：477-482.

[2]陳雨濛，張亞利，俞國良.2010～2020中國內(nèi)地大學(xué)生心理健康問題檢出率的元分析[J].心理科學(xué)進(jìn)展，2022，30（5）：991-1004.

[3]Stanek S，Sabat A.The application of it tools in assessing employees' personality and motivation[J].European Research Studies Journal. 2021，24（1）：689-707.

[4]Fiske S T，Cuddy A，Glick P，et al..A model of （often mixed） stereotype content： competence and warmth respectively follow from perceived status and competition[J].Journal of Personality and Social Psychology，2002，82（6）：878-902.

[5]Bargh J A，Gollwitzer P M，Lee-Chai A.The automated will：nonconscious activation and pursuit of behavioral goals[J].Journal of personality and social psychology，2019，81（6）：1014-1027.

[6]Heeringen C V，Audenaert K，Laere K V，et al.Prefrontal 5-ht2a receptor binding index， hopelessness and personality characteristics in attempted suicide[J]. Journal of affective disorders，2019，74（2）：149-158.

[7]Deeva I.Computational personality prediction based on digital footprint of a social media user[J].Procedia Computer Science，2019，156（3）：185-193.

[8]Marouf A A，Hasan M K，Mahmud H.Comparative analysis of feature selection algorithms for computational personality prediction from social media[J]. IEEE Transactions on Computational Social Systems，2020，18（99），1-13.

[9]Nguyen T，Phung D，Hoai M，et al.Structural and Functional Decomposition for Personality Image Captioning in a Communication Game[J].2020，56（2）：394-402.

作者簡介：鄭傳欽，碩士研究生，講師，研究方向：大數(shù)據(jù)、人工智能；洪希多，碩士研究生，副教授，研究方向：網(wǎng)絡(luò)工程、大數(shù)據(jù)；李東升，本科，副主任醫(yī)師，研究方向：臨床醫(yī)學(xué)、醫(yī)學(xué)數(shù)據(jù)整合。