《Big Data and Cognitive Computing》：ExPAM: Explainable Personality Assessment Method Using Heterogeneous Linguistic Features and Off-the-Shelf LLMs
编辑推荐：
许多组织日益采用个性化技术来提升用户满意度。然而，当前系统通常无法自动推断和解释个体人格特质（Personality Traits, PTs），尽管这些特质是用户行为的关键驱动因素。虽然大语言模型（Large Language Models, LLMs）被广泛
许多组织日益采用个性化技术来提升用户满意度。然而，当前系统通常无法自动推断和解释个体人格特质（Personality Traits, PTs），尽管这些特质是用户行为的关键驱动因素。虽然大语言模型（Large Language Models, LLMs）被广泛使用，但它们仍不适用于可靠且可解释的人格评估（Personality Assessment, PA）。为弥补这一差距，研究人员提出ExPAM，一种新颖的可解释人格评估方法，该方法将混合特征融合与现成LLM中的上下文学习相结合，以从文本中预测大五人格特质（Big Five PTs）。ExPAM明确将其预测建立在可解释的语言模式上，而无需对LLM进行微调。其混合融合旨在提高PA中的预测性能和可解释性。基于Transformer的嵌入编码局部上下文信息，而使用语言查询与词频统计（Linguistic Inquiry and Word Count, LIWC）词典提取的特征则提供互补的全局和局部PT语言指标。这些可解释的特征模式被包含在提示中，引导LLM生成PT预测和人类可理解的解释。在ChaLearn第一印象v2（ChaLearn First Impressions v2, FIv2）语料库上与多任务模型相比，以及在PANDORA语料库上与依赖单一特征集的单任务模型相比，ExPAM展现出有竞争力的性能。在FIv2上，它达到平均准确率（mAC）0.891和一致性相关系数（Concordance Correlation Coefficient, CCC）0.333。在PANDORA上，它达到平均皮尔逊相关系数（Pearson Correlation Coefficient, PCC）0.240和CCC 0.101。使用混合全局-局部模式提示LLM进一步将FIv2上的CCC提高9.9%，PANDORA上提高15.8%，而mAC和平均PCC的变化仍然微小。定性可解释性分析揭示了特质特定的语言模式，凸显了ExPAM在心理学研究、计算语言学和副语言学研究中的潜力。
**研究背景与问题**
人格特质（Personality Traits, PTs）是区分个体的稳定思维、情感和行为模式，其中大五人格模型（OCEAN）在计算机科学和心理学中广泛应用，包括开放性（Openness, O）、尽责性（Conscientiousness, C）、外向性（Extraversion, E）、宜人性（Agreeableness, A）和神经质/非神经质（Neuroticism, N）。人格评估（Personality Assessment, PA）在理解人类行为中起关键作用，应用于健康监测、教育、市场营销和人力资源等领域。现有基于文本的PA方法主要依赖单一特征集：手工特征（如LIWC词典提取的词频和情感）虽可解释但可靠性较低；深度特征（如BERT等预训练模型生成的上下文嵌入）性能更优但缺乏透明度。此外，当前方法通常无法同时实现高精度和可解释性，且现成大语言模型（LLMs）在PA中需微调，而上下文学习虽灵活但性能受提示设计影响。为此，研究人员提出ExPAM，一种基于异构语言特征建模的可解释人格评估方法，旨在无需微调LLM的情况下提升PA的预测性能和可解释性。论文发表在《Big Data and Cognitive Computing》。
**主要技术方法**
ExPAM的核心机制包括三个组件：深度特征分析、手工特征分析和解释生成。深度特征分析使用XLM-RoBERTa提取上下文嵌入，手工特征分析使用LIWC词典提取64个心理语言学类别的二值特征。两者分别通过带残差连接的双向长短期记忆网络（BiLSTM）和自注意力机制（ReBiLSTM-Att）进行时序建模，并采用多任务预测融合层输出五个PT分数。解释组件通过梯度加权类激活映射（Grad-CAM）计算词、子词和LIWC类别的重要性热图。最后，将融合预测分数和解释作为提示，输入现成LLM（如Gemma、Falcon系列）进行基于解释的校准，无需微调。实验使用两个语料库：FIv2（约10K个15秒视频转录文本，来自YouTube）和PANDORA（约2.8M条Reddit评论，来自约1.4K作者）。所有模型在固定随机种子下训练，超参数通过网格搜索优化。
**研究结果**
- **特征与模型比较**：在FIv2上，XLM-RoBERTa+ReBiLSTM-Att在深度特征中表现最佳（mAC 0.895，CCC 0.291），而LIWC+ReBiLSTM-Att在手工特征中最好（mAC 0.874，CCC 0.187）。残差连接和双向LSTM优于Mamba和单层结构。
- **混合融合效果**：将深度和手工特征在预测层融合后，FIv2的CCC从0.311提升至0.333（相对提升7.1%），mAC略有下降（0.891 vs 0.895）；PANDORA上CCC从0.093提升至0.101，平均PCC从0.238提升至0.240。表明混合特征互补性改善鲁棒性。
- **LLM集成**：在解释型设置中，使用ExPAM生成的解释提示最佳LLM（Gemma4-31B），FIv2的CCC提升9.9%（0.333→0.366），mAC几乎不变；PANDORA上使用Gemma4-E4B，CCC提升15.8%（0.101→0.117），平均PCC略降0.002。零样本、单样本和少样本设置效果均不如解释型校准。
- **与SOTA对比**：在FIv2上，多任务ExPAM的mAC（0.891）超过先前所有多任务方法，CCC（0.333）具有竞争力；在PANDORA上，单任务ExPAM的平均PCC（0.240）和CCC（0.101）优于所有比较方法，且首次提供多任务基线。
- **偏倚与误差分析**：预测分数与话语长度呈正相关，表明存在长度偏差；定性分析显示模型可能因注意力错位或标注不一致导致错误，但整体上可正确识别关键语言线索。
- **热图可视化**：Grad-CAM生成的词级和LIWC类别级热图揭示了与PT相关的语言模式，如“think”“loved”等词与高开放性关联。
**讨论与结论**
ExPAM通过混合特征融合和基于梯度的解释，实现了竞争性预测性能与可解释性的平衡。在LLM集成中，解释型校准优于传统上下文学习策略，表明结构化解释能有效引导LLM进行分数校正。研究还讨论了伦理风险（隐私、偏见、过度解释）和方法局限性（语料库限制、仅英语LIWC、计算成本）。未来工作将扩展至多轮对话、多语言和实时推理。结论部分指出：ExPAM在FIv2上达到mAC 0.891和CCC 0.333，在PANDORA上多任务基线为mPCC 0.240和CCC 0.101，解释型设置进一步将CCC提升至0.366（FIv2）和0.117（PANDORA）。主要贡献在于结合了竞争性预测质量与可解释的特质特定解释，为需要理解预测原因的应用提供了支持。
