﻿<?xml version="1.0" encoding="utf-8"?>
<ArticleSet>
  <ARTICLE>
    <Journal>
      <PublisherName>مرکز منطقه ای اطلاع رسانی علوم و فناوری</PublisherName>
      <JournalTitle>فصلنامه فناوری اطلاعات و ارتباطات ایران</JournalTitle>
      <ISSN>2717-0411</ISSN>
      <Volume>17</Volume>
      <Issue>65</Issue>
      <PubDate PubStatus="epublish">
        <Year>2025</Year>
        <Month>10</Month>
        <Day>17</Day>
      </PubDate>
    </Journal>
    <ArticleTitle>Automatic identification of personality traits using X contents based on Myers Briggs index</ArticleTitle>
    <VernacularTitle>شناسایی خودکار خصوصیات شخصیتی افراد به کمک پست های آن‌ها بر اساس شاخص مایرز بریگز</VernacularTitle>
    <FirstPage>1</FirstPage>
    <LastPage>19</LastPage>
    <ELocationID EIdType="doi" />
    <Language>fa</Language>
    <AuthorList>
      <Author>
        <FirstName>ملیکا</FirstName>
        <LastName>کلهر</LastName>
        <Affiliation>دانشگاه آزاد اسلامی واحد علوم و تحقیقات</Affiliation>
      </Author>
      <Author>
        <FirstName> ميترا</FirstName>
        <LastName> ميرزارضايي</LastName>
        <Affiliation></Affiliation>
      </Author>
      <Author>
        <FirstName>تورج </FirstName>
        <LastName>بنی رستم</LastName>
        <Affiliation>دانشگاه آزاد اسلامی- واحد تهران- مرکز</Affiliation>
      </Author>
    </AuthorList>
    <History PubStatus="received">
      <Year>2024</Year>
      <Month>1</Month>
      <Day>16</Day>
    </History>
    <Abstract>&lt;p&gt;Personality traits are a collection of behaviors and way of thinking in social environment and daily life. Psychologists usually use personality questionnaires to determine personality types. The increasing availability of online social data have stimulated researchers' interest in the study of advanced computational methods for text-based personality identification. Personality identification by computational and machine learning models based on text is an emerging phenomenon with high potential. In this article, the personality of people based on the Myers Briggs index has been investigated and analyzed using Twitter data. To investigate how text-based digital footprints can be used to predict users' personalities, a multi-model deep learning architecture along with three pre-trained language models Bert , Roberta, and XLNET, which are relatively new architectures in language processing are employed for extracting features from people's posts in X social media for identification of personality traits. the final decision is make via model averaging. The proposed model generates a predictive model for each personality trait. The results obtained shows an accuracy 88.5% and an F1-measure score of 0.882. This work provides a basis for the development of a personality trait identification system that can help the organizations to recruit and select the right personnel and improve its business by knowing the personality and preferences of its customers.&lt;/p&gt;</Abstract>
    <OtherAbstract Language="FA">&lt;p&gt;شخصیت افراد، مجموعه&amp;zwnj;ای از رفتارها و شیوه تفکر آنها در محیط اجتماعی و زندگی روزمره است. روان&amp;zwnj;شناسان به طور معمول از پرسش&amp;zwnj;نامه&amp;zwnj;های شخصیتی برای تعیین شخصیت افراد استفاده می&amp;zwnj;کند. افزایش دسترسی به داده&amp;zwnj;های اجتماعی آنلاین، علاقه محققان را به مطالعه روش&amp;zwnj;های محاسباتی پیشرفته برای روان&amp;zwnj;شناسی شخصیت مبتنی بر متن برانگیخته است که روشی نوظهور با پتانسیل بالا در زمینه شناسایی شخصیت است. در این مقاله بکمک شاخص مایرز بریگز و استفاده از داده&amp;zwnj;های شبکه اجتماعی X تلاش شده تا مشخص شود چگونه می&amp;zwnj;توان از ردپای دیجیتال افراد برای پیش&amp;zwnj;بینی شخصیت آنها استفاده کرد. این مقاله از معماری یادگیری عمیق چند مدلی شامل برت و روبرتا، و ایکس ال نت که معماریهای نسبتا جدیدی در پردازش زبان هستند، استفاده نموده است. در این مقاله از مدلهای ذکر شده برای استخراج ویژگی و تشخیص شخصیت افراد بر اساس شاخص مایرز بریگز استفاده شده است. در نهایت، سیستم بر اساس میانگین&amp;zwnj;گیری نتایج مدلها تصمیم گیری می کند. روش پیشنهادی، یک مدل پیش&amp;zwnj;بینی&amp;zwnj;کننده برای هر صفت شخصیتی را با استفاده از ویژگی های مستخرج از مدلهای از پیش آموزش دیده تولید می کند. نتایج نشان می دهد که این روش به دقت ۸۸.۵% و امتیاز اندازه گیری اف یک ۰.۸۸۲ دست یافته است. این پژوهش زمینه ای را برای توسعه سیستم شناسایی شخصیت فراهم می کند که می تواند به سازمان ها در استخدام و انتخاب پرسنل مناسب و همچنین بهبود روابط تجاری با مشتریان کمک نماید.&lt;/p&gt;</OtherAbstract>
    <ObjectList>
      <Object Type="Keyword">
        <Param Name="Value">شبکه‌های اجتماعی، شخصیت شناسی، مایرز بریگز، یادگیری عمیق، برت</Param>
      </Object>
    </ObjectList>
    <ArchiveCopySource DocType="Pdf">http://jour.aicti.ir/en/Article/Download/45512</ArchiveCopySource>
  </ARTICLE>
</ArticleSet>