शोधकर्ताओं ने JAM पेश किया, एक फ्रेमवर्क जो व्यक्तित्व पहचान को पूर्वनिर्धारित मनोवैज्ञानिक वर्गीकरण से हटाकर एकत्रीकृत लीनियट pseudo-facets की खोज की ओर ले जाता है। यह दृष्टिकोण मॉडलों को सिद्धांत-विशिष्ट लेबल पर निर्भर किए बिना, सीधे पाठ से व्यक्तिगत मनोवैज्ञानिक प्रोफाइल का अनुमान लगाने की अनुमति देता है।
- एम्बेडिंग स्पेस में क्लस्टरिंग के माध्यम से संरचित निरूपण सीखने के लिए Attention-Pooled Graph Prototypical Network का उपयोग करता है।
- विषम डेटासेट को एकत्रीकृत करने के लिए Human-Guided Linkage और Machine-Induced Consensus के साथ Cross-Theory Harmonization (CTH) को लागू करता है।
- अस्पष्ट नमूनों की पहचान करने और अनुकूली मीट्रिक शिक्षण का मार्गदर्शन करने के लिए दो विन्यासों में LLM-as-a-Judge तंत्र को शामिल करता है।
यह विधि फ्रेमवर्क-अंतर सामान्यीकरण और प्रदर्शन में सुधार करती है, कम संसाधन वाले व्यक्तित्व सिद्धांतों का समर्थन करती है।