俄罗斯IT前沿：人工智能构建心理画像

扫一扫

俄罗斯托木斯克国立大学应用数学与计算机科学学院硕士研究生叶卡捷琳娜·阿塔玛索娃（Ekaterina Atamasova）提出一种方法，可使神经网络根据社交网络的开放数据构建用户心理画像。她说：“这项工作的主要目标是通过这样的画像及时识别风险群体：如行为失常的人、有自杀倾向的人、有吸毒倾向的人以及有攻击倾向的人等等。”

当然，如果用户直爽坦率，则这不是敏锐的人工智能的任务。它喜欢复杂的、即使是一流专家也对其相当伤脑筋的案例。网络用户没有特别表现自己时，无论如何都没有明显线索和导向可以“勾画出”清晰的用户画像。要说出他的性格是外向还是内向，情绪有多稳定，行为是否有异常等等。这种情况下人工智能就如鱼得水了。而且，可以非常快速地构建心理画像。当然，为此它首先要长时间在一大群志愿者中学习。然后通过测试检查所掌握的技能。之后，阿塔玛索娃开发的系统获得批准发布到“人群”中。它与现有的方法有何不同呢？

主要特点

“传统上构建心理画像使用所谓“五大”指标，这些指标可以提供个人基本信息：用户个人资料、兴趣、朋友圈、写作习惯及其活跃度”，科研主管、托木斯克国立大学大数据应用分析中心主任戈伊科（Vyacheslav Goyko）说，“叶卡捷琳娜在五大指标的基础上又添加了三个特征：压力、焦虑、郁闷。但最重要的是如何处理数字足迹。作者实现了为每个心理特征选择最准确、有效的算法”。

据戈伊科介绍介绍，这样不仅可以获得一个人更彻底、详细的心理画像，还可以将人工智能学习所需志愿者数量及学习神经网络所需时间减少近一倍，这一点相当重要。目前这种神经网络可以大概率识别各种风险群体，识别人行为中的某些异常倾向，如预测精神压力的准确率近80%，确定用户情绪稳定水平准确率超过75%。

“但该系统不仅用于识别消极情绪”，戈伊科说，“该神经网络可以识别倾向于自学、学习积极性高的人。这样说吧，通过词汇量、生僻字的使用、评论量及其内容，可以判断一个人的创意能力。这种信息可以帮助教师和学校心理学专家快速判断中小学生和大学生的心理特征，有助于编制个性化教育路线。”这项研究得到俄罗斯科学基金会的支持。

  需浏览俄文原文稿件，请登陆《俄罗斯报》网站

| www.tsrus.cn/672831 |

阿尔卡季·西蒙诺夫（Arkadiy Simonov），《俄罗斯报》