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

  • 임베딩 공간에서의 클러스터링을 통해 구조화된 표현을 학습하기 위해 Attention-Pooled Graph Prototypical Network를 활용합니다.
  • Human-Guided Linkage와 Machine-Induced Consensus를 사용한 Cross-Theory Harmonization (CTH)를 채택하여 이질적인 데이터셋을 통합합니다.
  • 모호한 샘플을 식별하고 적응적 메트릭 학습을 안내하기 위해 두 가지 구성으로 LLM-as-a-Judge 메커니즘을 통합했습니다.

이 방법은 저자원 성격 이론을 지원하면서 프레임워크 간 일반화 및 성능을 향상시킵니다.