近期，我院杨楷助理教授的学术论文“Getting Personal: A Deep Learning Artifact for Text-Based Measurement of Personality”被国际顶级期刊Information Systems Research录用并在线发表。该期刊是美国德克萨斯大学达拉斯分校（University of Texas, Dallas）选出的全球商学院最顶尖的24本学术期刊（简称UTD 24）之一，也是FT50期刊，为国际信息系统领域顶级期刊，在国际管理学界享有极高的学术声誉。该论文由杨楷助理教授与香港城市大学刘耀强副教授以及圣母大学的Ahmed Abbasi教授合作完成，杨楷助理教授为第一作者，深圳大学经济学院为第一完成单位。

该论文提出了一个基于深度学习的方法从用户产生的文本内容中分析其性格特征。一直以来，性格分析被广泛应用于各个商业领域，因为它与个人的决策密切相关。比如，根据高阶上层理论，公司高管的性格将会影响其决策行为，进而对公司的运营产生影响。在互联网时代，由于用户产生了充足的文本数据，越来越多研究者聚焦于如何通过用户的文本数据来检测其性格。当前基于文本的性格检测方法主要有两种：一，是根据语言学专家预定义的词库进行匹配；二，是采用机器学习乃至深度学习的方法从已标注的数据集中挖掘相关模式。然而，这两种方法对于性格检测的准确率都相对较低，使得该方法无法大规模地应用于下游的商业分析中。本文将心理语言学（psycholinguistic）相关理论与最新的深度神经网络结合，提出了一种融合的方法来更准确地检测个人性格。为了解决有监督学习过程中遇到的训练样本数量不足的问题，本文设计并采用了一个迁移学习模型来进一步提升预测准确度。该方法的有效性在一系列实验中被验证。另外，本文还将该模型应用到一个实际的商业领域，即对于上市公司各项金融指标的预测，来证明其实际的商用价值。

论文网络链接：https://pubsonline.informs.org/doi/epdf/10.1287/isre.2022.1111

经济学院

2022年7月1日