基于大语言模型的自然语言人格特质分析：揭示人格通用因子(GFP)的语言学证据

本研究创新性地运用大语言模型(LLM)技术，通过分析435-4504个人格特质词在自然语言中的语义关联，首次验证人格通用因子(GFP)在语言模型中的存在性。研究发现LLM提取的GFP与经典人类评分数据(r=0.86)高度一致，揭示了社会期望特质在语言系统中的聚类规律，为人格结构研究提供了新的计算语言学范式。

　　

人格心理学领域长期存在一个核心争议：在五因素模型(FFM)等多元人格结构之上，是否存在着更基础的通用人格因子(GFP)？这个被称为"人格大统一理论"的假说，自Webb在1915年提出"意志力因子w"以来，历经Maller的"c因子"、Hofstee的"原始因子"等不同概念，但始终面临方法论质疑——究竟这是真实存在的心理结构，还是评分偏差造成的统计假象？

传统研究主要依赖人类评分者进行特质词评估，这种方法不仅受限于样本量(通常仅能处理数百个词汇)，更难以规避社会期望效应等偏差。随着自然语言处理技术的突破，DeBERTa等大语言模型(LLM)为这一百年难题提供了全新解决方案。这类模型通过分析维基百科、11038本在线书籍、38GB Reddit帖文等海量语料，能够捕捉词汇间深层次的语义关联，且完全规避人类评分的主观性。

在这项发表于《Journal of Reproductive Immunology》的创新研究中，研究团队开创性地采用"深度词汇法"，通过特殊设计的提示模板"[MASK]和[TERM]人格"对语言模型进行人格语境引导，系统分析了三组经典人格词汇表：Saucier和Goldberg的435词表、Allport-Odbert的4504词表(1936)以及Goldberg精选的1710词表(1982)。

关键技术包括：1)使用DeBERTa模型的1024维词向量表征；2)针对人格特质优化的语义查询模板；3)主成分分析(PCA)处理非独立词嵌入数据；4)Kucera-Francis词频数据库验证语言熟悉度效应。特别值得注意的是，为解决LLM数据非独立性问题，研究创新性地采用未旋转主成分提取GFP，并通过人类数据集验证了该方法与主轴因子分析(PAF)的等效性(r=1.00)。

【研究结果】

1. GFP的跨方法验证
   在435词分析中，第一未旋转成分解释22.7%方差，与Saucier-Goldberg原始数据(7.11%方差)的GFP相关性达0.86。高负载词如"友善的"(0.830)、"真诚的"(0.809)构成社会期望极，与"不合作的"(-0.760)、"好斗的"(-0.720)形成鲜明对比，完美复现了人类评分中的"评价因子"。

2. 大词汇量的稳健性验证
   扩展至4504词(Allport-Odbert)和1710词(Goldberg)后，GFP仍保持稳定，分别解释13.79%和18.86%方差。高频词如"亲切的"(0.839)、"真诚的"(0.817)继续主导正极，证实GFP不是小词表特有的统计假象。

3. 语言熟悉度效应
   通过MRC心理语言学数据库分析发现，高频熟悉词(如"友善的")比生僻词(如"轻浮的")具有显著更高的GFP负载(r=0.18-0.27)，这一现象在人类评分数据中同样存在，提示GFP与语言使用频率存在深层关联。

4. 方法学创新验证
   对比8种不同查询模板(如"我的性格是[MASK]和[TERM]")显示GFP结构高度稳定(平均r=0.93)，证明模型对表达方式不敏感。PCA与PAF的等效性检验更确立了LLM方法在人格因素提取中的可靠性。

【理论突破】
这项研究首次实现了"三重跨越"：1)将GFP验证从百词级扩展到千词级；2)用无监督学习替代人类评分；3)发现语言熟悉度对GFP强度的调节规律。结果强力支持GFP的实质性解释——它不仅是评分偏差，更是语言系统对社会适应性的自然编码。正如讨论部分指出，当文学作品中"英雄"总被赋予"友善+可靠+聪明"等特质簇时，这种现实中的特质共现模式就会通过语言统计规律被LLM捕获。

该研究的革命性意义在于：为持续百年的"GFP真实性"争论提供了跨方法论证据；建立了人格计算语言学的研究范式；同时揭示了语言频率在人格认知中的重要作用。未来可延伸至精神病理学"p因子"分析，或通过跨语言比较探讨GFP的文化普适性，为人格科学的数字化转向开辟了新航道。