Bushmelev, F., Khlobystova, A., Abramov, M., Livshits, L. (2023). Deep Machine Learning Techniques in the Problem of Estimating the Expression of Psychological Characteristics of a Social Media User.Artificial Intelligence in Models, Methods and Applications. AIES 2022. Studies in Systems, Decision and Control, vol 457. Springer, Cham, pp 315–324. https://doi.org/10.1007/978-3-031-22938-1_22
Наверняка, сегодня каждый согласится, что сложно переоценить роль социальных сетей в жизни современного человека, которые буквально стали её неотъемлемой частью. Ежедневно мы проводим в них по несколько часов: общаемся, работаем, учимся, знакомимся, творим, “ходим” за покупками, проводим досуг, устраиваем встречи и совершаем множество других важных вещей, что перетекли в социальные сети. И если посмотреть с другой стороны, то таким образом мы транслируем себя в цифровое пространство, для “жизни” в котором каждый пользователь создает своего цифрового двойника, вкладывая (пусть, зачастую и не осознавая того) свои уникальные черты и особенности. Данный факт очень быстро привлек внимание специалистов из разных областей. Теперь даже оставляя заявку на собеседование или при оформлении кредита могут попросить указать ссылки на аккаунты в социальных сетях. Анализ страниц зачастую проводят экспертно, реже – автоматизировано, но смотрят на очень ограниченный перечень информации, что “лежит на поверхности”. Мы же в данной работе решили обратиться к непосредственной проекции пользователя в социальной сети, к его аватарке (изображению профиля) и попробовали получить представление о результатах прохождения им психологического тестирования.
Ввиду того, что аватарка — объект достаточно сложный, из которого можно извлечь множество параметров, было решено обратиться к самому простому и наивному, но вместе с тем информативному — к области лиц на фотографиях, т.к. именно лицо ассоциируется с человеком. В качестве источника о некоторой числовой оценке личностных особенностей пользователей было выбрано одно из наиболее популярных в России и странах СНГ тестирование Плутчика-Келлермана-Конте, предназначенное для оценки выраженности механизмов психологической защиты. По итогу был собран набор данных, состоящий более чем из 300 пар “аватарка – наиболее выраженная черта личности”. Ввиду малого объема данных нами было принято решение для построения предсказаний дообучить уже готовую нейронную сеть, родственную нашей задаче. Таковой стала глубокая нейросеть EmoPy для классификации эмоций на лице. Для обучения был удалён последний слой нейронной сети, отвечающий за определение эмоции, и уже на наших данных обучен новый.
В результате была получена модель для предсказания наиболее выраженного механизма психологической защиты. Стоит отметить, что модель показала двукратный прирост в точности, по сравнению с теоретической оценкой. Однако точность оказалась ниже, чем мы ожидали изначально. Причин этому может быть несколько, например, недостаточный набор данных или количество заменяемых слоёв для обучения сети. Выявленный позитив в точности показывает, что выдвинутая гипотеза имеет право на существование и имеет смысл проведение дополнительных экспериментов на обозначенную тему.