Učenje prijenosom za predikciju tipa ličnosti i demografskih informacija korisnika interneta

diplomski rad

• Naslov (engleski): Transfer Learning for Personality and Demographics Prediction of Internet Users
• Autor: Vinko Kašljević
• Mentor: Jan Šnajder (mentor)
• Član povjerenstva: Jan Šnajder (predsjednik povjerenstva)
• Član povjerenstva: Marko Čupić (član povjerenstva)
• Član povjerenstva: Domagoj Jakobović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2020-07-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Predikcija tipa ličnosti i demografskih informacija je zanimljiv i koristan zadatak koji nam može pomoći u u boljem razumijevanju prirodnog jezika, kao i za razne društvene znanosti. U ovom radu smo isprobali višezadaćno učenje, specifično metode tvrdog i mekog dijeljenja parametara, na problemu predikcije tipova liˇcnosti i demografskih informacija. Također smo demonstrirali način učenja modela gdje treniramo na skupu podataka Reddit za koji nemamo sve oznake za svaki primjer iz skupa podataka. Rezultati pokazuju da ovakav pristup s danim značajkama i arhitekturom modela ne donosi značajna poboljšanja performansi modela u odnosu na učenje modela pojedinačno.

Sažetak (engleski)

Predicting personality type and demographic information is an interesting and useful task that can help us in a better understanding of natural language as well as for various social sciences. In this paper, we tested multitask learning, specifically hard and soft parameter sharing metods, on the problem of personality and demographics prediction. Also, we demonstrated a way of learning a model where te train on a Reddit dataset for which we don’t have all the labels for each example in the dataset. The results show that this approach does not bring significant improvements in the performance of the model compared to learning the models individually.

• Ključne riječi: duboko učenje; višezadaćno učenje; MBTI; Big Five; Enneagram; demografske informacije; tipovi ličnosti
• Ključne riječi (engleski): deep learning; multi-task learning; MBTI; Big Five; Enneagram; demo- graphics; presonality types
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:894831
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-13 12:38:39