PersoProfi - Automatische Vorhersage von Persönlichkeitsmerkmalen fiktiver Charaktere

11.07.2018 -

Abgeschlossen
Technische Universität Darmstadt & Holtzbrinck Publishing Group

Name der Teilnehmerin: Dr. Lucie Flekova

Beschreibung des IT-Forschungsprojekts: 

Der Anwendungsschwerpunkt unseres Projektes lag in der Vorhersage der Persönlichkeitsmerkmale der Figuren: Ist Harry Potter mutig? Ist Hermine klug? Haben sie viele Freunde oder sind sie eher einsame Charaktere? Sind sie offen für neue Erfahrungen oder wirken sie eher introvertiert? Unsere Hypothese war, dass die Popularität eines Buches, zu großen Teilen, davon abhängt, wie sehr der Leser mit den Hauptfiguren sympathisiert. Wenn er sich mit der Geschichte des Helden identifizieren kann, könnte er auch andere Bücher mit ähnlichen Hauptfiguren bevorzugen. Basierend auf den semantischen Informationen, die wir aus den Büchern gewinnen konnten, wie beispielsweise die Persönlichkeitsmerkmale der Protagonisten bzw. deren Emotionen, ist es möglich, sehr spezifische Empfehlungen zu generieren.

Das Forschungsziel des Projekts lag daher in der Entwicklung von Methoden zur sprachtechnologischen Verarbeitung von Buchinhalten, die es den Maschinen ermöglichten, Geschichten in einer solchen Tiefe zu interpretieren, dass der Computer in der Lage war, Folgerungen hinsichtlich der Persönlichkeit der Personen zu ziehen, so wie es ein menschlicher Leser tun würde. Um das zu erreichen, bauten wir auf Grundlagen der Forschung in der traditionellen Psychologie in Verbindung mit Forschungsteilbereichen der maschinellen Sprachverarbeitung (wie Emotionserkennung oder die Kennzeichnung von semantischen Rollen). Insbesondere musste erforscht werden wie semantisches Wissen, also die Bedeutung von Inhalten, in Klassifikationsalgorithmen bestmöglich integriert werden konnte.

Software Campus-Partner: TU Darmstadt,  Holtzbrinck Publishing Group

Umsetzungszeitraum: 01.03.2015 - 28.02.2017

Publikationen:

[1] Flekova, L. et al. 2016. Analyzing Biases in Human Perception of User Age and Gender from Text. In Proceedings of the 54th Annual Meeting of the Association for Computational Linguistics, ACL 2016, pages 843-854.

[2] Flekova, L. & Gurevych, I. 2015/9. Personality Profiling of Fictional Characters using Sense-Level Links between Lexical Resources. In Proceedings of the 2015 Conference on Empirical Methods in Natural Language Processing, EMNLP.

[3] Carpenter, J./ Preotiuc-Pietro, D./ Flekova, L/ Giorgi, S./ Hagan, C./ Kern, M. L./ Buffone, A. EK/ Ungar, L./ Seligman, M. EP. 2017/4. Real Men Don’t Say “Cute” Using Automatic Language Analysis to Isolate Inaccurate Aspects of Stereotypes. Social Psychological and Personality Science, 8(3): 310-322.

[4] Stoffel, F./ Flekova, L./ Oelke, D./ Gurevych, I./ Keim, DA. 2015. Feature-Based Visual Exploration of Text Classification. Symposium on Visualization in Data Science at IEEE VIS.
 

Dissertation:

Flekova, L. 2017. Leveraging Lexical-Semantic Knowledge for Text Classification Tasks. Technische Universität Darmstadt.