Revealing Personality Traits: A New Benchmark Dataset for Explainable Personality Recognition on Dialogues

人格识别旨在识别用户数据（如对话和社交媒体帖子）中隐含的人格特征。目前的研究主要将人格识别视为分类任务，未能揭示识别到的人格的支持证据。在本文中，我们提出了一项名为可解释的人格识别的新任务，旨在揭示作为支持证据的推理过程的人格特征。受人格理论的启发，人格特征由人格状态的稳定模式组成，其中状态是在特定时间具体情境下的短期思维、情感和行为特征模式。我们提出了一种名为人格证据链（CoPE）的可解释人格识别框架，它涉及从具体情境到短期人格状态再到长期人格特征的推理过程。此外，基于CoPE框架，我们从对话中构建了一个可解释的人格识别数据集PersonalityEvd。我们引入了两个可解释的人格状态识别和可解释的人格特征识别任务，要求模型识别人格状态和特征标签及其相应的支持证据。我们基于大型语言模型在这两个任务上进行了广泛的实验，结果表明揭示人格特征是非常具有挑战性的，我们提出了一些未来研究的见解。我们的数据和代码可在https://github.com/Lei-Sun-RUC/PersonalityEvd上获得。

论文提出了可解释的人格识别任务，旨在揭示支持人格特质的推理过程。当前的人格识别研究主要将其视为分类任务，未能揭示支持识别到的人格的证据。

该论文提出了一种可解释的人格识别框架，称为CoPE，涉及从具体情境到短期人格状态再到长期人格特质的推理过程。基于该框架，构建了可解释的人格识别数据集PersonalityEvd，并提出了两个任务：解释性人格状态识别和解释性人格特质识别。

该论文的亮点包括提出了可解释的人格识别任务和框架，构建了相应的数据集，提出了两个任务，进行了大量实验并给出了未来研究的一些见解。实验使用了大型语言模型，并提供了数据和代码。

最近的相关研究主要集中在人格识别的分类任务上，缺乏对支持证据的揭示。论文中列举了一些相关研究，如基于社交媒体的人格识别和基于文本的人格识别。