Openness to experience 独創的・好奇心が強い vs. 着実・警戒心が強い

Conscientiousness 手際が良い・まめな人 vs. 楽　天的・不注意

Extraversion 社交的・エネルギッシュ vs. 孤独を好む・控えめ

Agreeableness 人当たり良い・温情のある vs. 冷たい・不親切

Neuroticism 繊細・神経質 vs. 情緒安定・自信家

Kevin FordのUniversal Needs Map (欲求と社会的価値の関係)
ブランドの選択/ 商品の選択/ 職業の選択/・・・

Schwartzの価値概説

• Self-transcendence (自己超越)
• Conservation (保存）
• Self-enhancement（自己高揚）
• Open to change (変化に対する需要性)

テキストから性格を推定する仕組み

1. 各手順を明確にし、ドキュメント化すること
2. 業務システムの導入経験のある人材を準備すること
3. SAP Business One の機能をよく理解した技術者を準備すること

特徴量抽出方法

特定カテゴリの表現がどの程度含まれているかを分析

日本語の性格分析に有効なカテゴリを集めたカテゴリ体系を構築

-> Japanese Category for Personality Identification（JCPI）

下記構成要素からなる約90種類のカテゴリを設定

【構成要素】

助詞（〔格助詞〕〔係助詞〕など）
字種（〔漢字〕〔カタカナ〕など）といった日本語独特カテゴリ

〔読書〕〔遊び〕〔イベント〕（などの独自カテゴリ）

心理学の世界を中心に世界中で使われているLinguistic Inquiry and Word Count (LIWC) を参考にしたカテゴリ

特徴量分析結果

サンプルデータ収集の結果、big5のそれぞれの要素と強い相関のある、特徴的な日本語表現が見つかっています。これらの特徴量を使って、機械学習モデルを構築しました。

各要素の性格値(0から1までの値を取る)の、予測値と実測値(性格分析結果)の比較を交差検定法(学習データ以外のデータで精度評価を行う)で行いました。
その結果、平均絶対誤差 (MAE) は約 0.1であることがわかっています。