LSTM을 활용한 자연어 응답 기반 성격유형 예측 = Analysis of Personality Types Based on Natural Language Responses Using LSTM

국문 초록 (Abstract)

본 논문은 LSTM과 Bi-LSTM을 사용하여 인간의 성격유형을 다양한 구조로 학습하고,MBTI 성격유형을 예측하는 다양한 모델을 제안한다. 학습 데이터의 범위와 사전학습된 임베딩 벡터의 사용 여부에 따라 다섯 가지 환경으로 모델을 훈련하고 성능을 비교하였다. 실험 결과, 모든 모델은 약 90% 이상의 학습 정확도를 보였으며, 실제 성격 예측 단계에서는Bi-LSTM이 LSTM에 비해 높은 예측률을 보였다. 특히, 사전학습된 임베딩 벡터와 전체 학습 데이터를 결합한 Bi-LSTM 모델이 가장 높은 예측률을 나타냈다. 또한, BPE 알고리즘을도입하여 어휘 외의 단어가 out-of-vocabulary(OOV)로 처리되는 것을 최소화하고, 새로운성격유형 예측 알고리즘을 제안하였다. 실제 사용자를 대상으로 진행된 실험에서 11개의 응답에 대해 높은 예측 정확도를 보였고, 그중 10개가 사용자의 실제 MBTI 유형과 일치함을확인하였다.

다국어 초록 (Multilingual Abstract)

"This paper proposes various models for predicting MBTI personality types by training on human personality types using LSTM and Bi-LSTM with different structures. The models were trained and their performance compared under five different environments, varying based on the range of training data and the use of pre-trained embedding vectors. The experimental results showed that all models achieved a training accuracy of over 90%, with Bi-LSTM exhibiting a higher prediction rate than LSTM in the actual personality prediction phase. In particular, the Bi-LSTM model that combined pre-trained embedding vectors with the entire training dataset demonstrated the highest prediction rate. Additionally, a new personality type prediction algorithm was proposed by introducing the BPE algorithm to minimize out-of-vocabulary(OOV) words. Experiments conducted with actual users showed high prediction accuracy for 11 responses, with 10 of them matching the users' actual MBTI types.
"