人工智能算命：使用自然语言处置惩罚预测人格类型

你在网上公布了几多关于你自己的信息？好吧，在当今时代可能有许多。我们不停地联系在一起，与许多人分享生活中的瞬间，无论这些人是否认识我们。这很好，只要你决议你想展示什么。可是，如果我告诉你，通过写文章，你所展示出的隐私凌驾你所意识到的内容呢？

我们可以想象，一小我私家的写作气势派头可能与他或她的个性有某种联系。使用“哇”、“拥抱”、“聚会”等词可能讲明我们在阅读性格外向的人写的信息。另一方面，也有很直观的内向词汇的荟萃，例如：“孤苦”，“书籍”，“平静”。很显着，这有点夸大了。事实上通过词汇判断性格并不是那么容易。人类要庞大得多，不能仅仅通过人格特征典型的词语来确定小我私家性格。或者以下图片中的他们可以？

说一小我私家的个性可以通过写篇文章来预测，就像上图一样

互联网上充斥着种种各样的人格测试。其中一些是用来让你感受更好并以此说服你付费的。这基本上和测星座一样，没有任何实际价值。但在这片骗子和伪心理学家的海洋中，有一些基于科学研究的有趣测试。在我看来，值得特别注意的是迈尔斯-布里格斯类型指标（MBTI）。对我来说，这个效果很是准确，许多人似乎也有同样的感受。所以我决议在这个领域举行掘客。在研究历程中，我发现了一个Kaggle数据集，其中包罗一篇来自8600多人的帖子，这些帖子凭据作者的测试效果标注了作者的个性特征。

什么样的数据是可用的？

上面提到的数据集很是简朴。它只有两个专栏，其中一个包罗来自Personality Cafe网络论坛的暂时帖子，另一个是带有作者MBTI测试效果的标签。

基于此，我们可以就这些数据提出几个有趣的问题：

1，每小我私家格特质在论坛用户中的漫衍情况如何？

2，每个特质都有最重要的代表词吗？外向者的写作方式和内向者差别吗？或者是那些比力敏感的人在使用情感词汇？

3，最后：能否凭据某人的职位预测其性格类型？

让我们开始这个数据游戏

在我们继续之前，我们应该先解释一下这个神秘的缩写词到底是什么意思。每一个字母代表一个个体的特征。我们可以选择8种差别的类型，四种类型的组合缔造了个性类型。

所以让我们试着回覆第一个问题并检查数据集中每小我私家的漫衍。

这个世界上似乎有更多的内向者而不是外向者…嗯，经由再三思量，笔者认为漫衍似乎不正确。让我们检查一下测试作者的统计数据。

这真是太有趣了！上表中最受接待的特征似乎是ISTJ和ISFJ，得分划分为11%、6%和13.8%。这些效果与我在盘算Kaggle数据集中的漫衍时获得的效果完全差别，在Kaggle数据集中，这两种类型的人约莫占2-2.5%。

我们发现这些差异险些适用于所有类型。看起来，拥有INFP、INFJ、INTP和INTJ类型的人最有可能在个性类型论坛上发帖。

此外，当我们在提供的图像中重新建立左侧的表时，我们可以看到它也完全差别。字母I、F和P在他们的首字母缩略词中的人将占过多的比例。在我们之后的分析中，我们必须记着这些数据是不平衡的。

结论

自然而然得出的结论是，更注重分析自己的性格的是内向者，而不是更善于外交的外向者。基于这个原因，我们可以预期，他们将更有可能举行人格测试，并在保证这种匿名性的论坛上谈论自己。一点也不奇怪，情绪化水平更高的人（字母F）会更频繁地写自己。尤其是当它涉及到与内向的联系时，这往往会使这些人难以表达自己。

文天职析

正如我们之前看到的，数据有点杂乱。它包罗许多巨细写混淆的字母、标点符号、链接等。在我们开始分析之前，我们应该把它清理洁净。我所做的相对简朴，包罗：

1，删除链接。

2，删除所有数字和标点符号。

3，所有字母小写。

4，删除休止符。

5，一开始我使用了单词变体还原，可是它导致了准确度的显著降低，所以在进一步的分析中我放弃了它。

6，用数字表现替换每个单词。