Explainable Multi-Label Classification of MBTI Types

在这项研究中，我们旨在确定最有效的机器学习模型，以准确地从Reddit帖子和Kaggle数据集中分类出Myers-Briggs类型指标（MBTI）类型。我们应用二元关联方法进行多标签分类。我们采用可解释的人工智能（XAI）方法来强调过程和结果的透明度和可理解性。为了实现这一目的，我们尝试了玻璃盒学习模型，即设计用于简单、透明和可解释性的模型。我们选择了k-最近邻、多项式朴素贝叶斯和逻辑回归作为玻璃盒模型。我们表明，如果排除具有观察者（S）特征的类别，则多项式朴素贝叶斯和k-最近邻的表现更好，而当所有类别都有>550个条目时，逻辑回归获得最佳结果。

论文旨在确定最有效的机器学习模型，从Reddit帖子和Kaggle数据集中准确分类Myers-Briggs类型指标（MBTI）类型。

使用Binary Relevance方法进行多标签分类，并采用可解释人工智能（XAI）方法突出透明度和可理解性。选择k-最近邻，多项式朴素贝叶斯和逻辑回归作为玻璃盒模型。

实验结果显示，多项式朴素贝叶斯和k-最近邻在排除具有观察者（S）特征的类别时表现更好，而逻辑回归在所有类别都有>550条目时获得最佳结果。

最近的相关研究包括《基于多标签分类的社交媒体文本情感分析》和《使用深度学习进行多标签分类的综述》等。