연구자들은 JAM이라는 프레임워크를 소개했으며, 이는 성격 인식을 사전 정의된 심리학 분류 체계에서 통합된 잠재 유사 특성 발견으로 전환합니다. 이 접근 방식은 모델이 이론별 레이블에 의존하지 않고 텍스트에서 직접 개인의 심리 프로파일을 추론할 수 있게 합니다.

JAM은 Attention-Pooled Graph Prototypical Network를 사용하여 임베딩 공간에서 클러스터링을 통해 구조화된 표현을 학습합니다. 또한 Cross-Theory Harmonization을 통해 인간 가이드 링크와 기계 유도 합의를 통해 이질적인 데이터셋을 통합합니다. 시스템은 모호한 샘플을 식별하고 적응적 메트릭 학습을 안내하기 위해 두 가지 구성으로 LLM-as-a-Judge 메커니즘을 포함합니다.

실험 결과 JAM이 프레임워크 간 일반화 및 성능을 향상시키고 저자원 성격 이론을 지원한다는 것이 입증되었습니다.