买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中山大学

摘要：本发明公开了一种基于任务分层的人格预测方法、系统及装置，该方法包括：基于预设的BERT预训练语言模型对用户帖子进行并行编码，得到特征向量；将用户帖子经过图卷积网络融合，得到图卷积输出向量；预测用户的外部特征信息；分层完成预测任务，得到人格信息；将外部特征向量和人格信息回传至图卷积网络并重新预测，直至达到预设的回传次数，得到人格预测结果。该系统包括：并行编码模块、图卷积网络融合模块、外部数据迁移预训练模块、分层自注意力人格预测模块和消息回传模块。该装置包括存储器以及用于执行上述基于任务分层的人格预测方法的处理器。通过使用本发明，得到更为准确的人格预测结果。本发明可广泛应用于文本处理领域。

主权项：1.一种基于任务分层的人格预测方法，其特征在于，包括以下步骤：获取用户帖子并基于预设的BERT预训练语言模型对用户帖子进行并行编码，得到特征向量；将用户帖子经过图卷积网络融合，基于特征向量构建拓扑图并得到图卷积输出向量；基于预训练的外部特征模型根据拓扑图预测用户的外部特征信息，得到外部特征向量；根据外部特征向量和图卷积输出向量分层完成四个维度的人格预测任务，得到人格信息；将外部特征向量和人格信息回传至图卷积网络并重新预测，直至达到预设的回传次数，得到人格预测结果；所述将用户帖子经过图卷积网络融合，基于特征向量构建拓扑图并得到图卷积输出向量这一步骤，其具体包括：将用户帖子作为图节点，基于用户帖子所属的特征向量对每个用户样本构建对应的拓扑图并得到卷积后的输出向量；设特征向量Embedij的组成的Pmax×d维结点特征矩阵为X，节点之间的邻接矩阵为A，所述卷积后的输出向量的计算方法如下： 其中I是单位矩阵，是的度矩阵，H0＝X，Wl是参数矩阵，卷积层数l＝2，邻接矩阵A为随机初始化对称矩阵，操作是对邻接矩阵进行拉普拉斯归一化变换，所述Hl+1表示节点特征卷积后的输出向量；所述预训练的外部特征模型的构建方法，具体包括以下步骤：获取含有用户帖子数据与用户年龄、性别标签的外部数据集并根据用户帖子数据、对应的用户年龄、性别标签训练外部特征模型，得到模型参数；固定模型参数，得到第一层具备预测用户年龄和性别功能的外部特征模型；所述根据外部特征向量和图卷积输出向量分层完成四个维度的人格预测任务，得到人格信息这一步骤，其具体包括：基于第二层编码器对图卷积输出向量、年龄向量和性别向量进行融合处理，完成注意力方向预测任务和判断方式预测任务，得到第二层特征向量；基于第三层编码器对图卷积输出向量、年龄向量、性别向量和第二层特征向量，完成生活方式预测任务和认知方式预测任务，得到第三层特征向量；根据第二层特征向量和第三层特征向量，得到用户的人格信息预测结果。

全文数据：

权利要求：

百度查询： 中山大学 一种基于任务分层的人格预测方法、系统及装置