一、摘要
这是一篇在性格探测这方面比较新的文章了， 时间是2018年，作者提出了一种分层结构的神经网络——AttRCNN， 还有一种基于CNN的变体，从用户text学习到语义的特征， 然后把这个语义特征和文本的语言学特征结合起来，放到传统的回归模型里预测5大性格的分数
个人觉得 比较有新意的一点是能打分？ 而不是简单的判断true or false
二、模型过程
1.文本预处理
1.1 文本切分
简单通过空格来切分句子得到单词， 不改版任何的字母，这是为了尽可能的保留文本， 得到完整的特征， 但是会去掉一些表情,例如: ∧ ∧, (/∼ /)
1.2 文本统一
减少类似重复的字母， 例如busyyyy， busyyyyyyyyy， 这些都应该看成busy， 同时转换成小写，把处理好的单词列表进入过程2
2. 基于统计的特征提取
2.1 提取特殊的语言统计特征
作者认为具有不同性格的人可能有不同的使用标点符号，符号，表情符号和大写字母的习惯， 所以作者从这些特殊的方面进行统计，提取5个特征， 这个是作者自己设置的， 当然你也可以找新的特征
- (1) rateof emoticons;
- (2) rate of tokens which have no less than 3 tandem duplicated letters or symbols;
- (3) rate of capital letters;
- (4) rate of capitalized words;
- (5) total number of text posts of each user.
2.2 提取基于字典的语言特征
作者通过Linguistic Inquiry and Word Count (LIWC)工具，分析出64个基于字典的语言特征
3. 基于深度学习的文本建模
3.1 基于无监督学习的词嵌入
基于词袋模型，使用word2vec 训练我们的文本， 然后得到每个单词的词向量， 对于未知的word全部随机给一个[-0.25， +0.25]的正态分布的参数
3.2 基于监督学习的深度语义特征提取
这是文章的重点部分， 作者定义了一个叫做AttRCNN-CNNs的模型来提取语义特征， 因为它是一个AttRCNN， CNNs 的分层结构，
可以从这张图看到AttRCNN-CNNs模型的层次:
3.2.1 AttRCNN进行句子向量化
由RCNN作为启发， 作者构想出一种AttRCNN用于把句子变成句子向量。
结构图如下：
具体过程分为5个步骤，下面将详细解释
S1. Word Embedding
通过训练好的词嵌入矩阵，把句子里的每个word，变成词向量。
S2. 基于GRU的神经网络得到word上下文特征
GRU是LSTM网络的一种效果很好的变体，它较LSTM网络的结构更加简单，而且效果也很好，因此也是当前非常流形的一种网络。GRU既然是LSTM的变体，因此也是可以解决RNN网络中的长依赖问题。
输入词向量到不同的两个GRU分别得到单词的上文特征，和下文特征，两个GRU结构相同，只是扫描方向不同， 下面已向前扫描的GRU作为解释。
S2-1. 提取上文特征
使用前向的GRU， 在顶层使用batch normalization训练。对于每个word得到一个50维的注释向量
下图是如何从
S2-2. 使用ReLU作为激活函数
使用ReLU函数作为激活函数
线性整流函数（Rectified Linear Unit, ReLU），又称修正线性单元，是一种人工神经网络中常用的激活函数（activation function），通常指代以斜坡函数及其变种为代表的非线性函数。
S2-3. 加入dropout层
为防止过拟合， 还加上了dropout层
S3. 组合上文特征，下文特征，本身特征
通过上面的两个GRU神经网络, 我们分别得到每个单词的上文或下文特征，我们将其组合
50(上文) + E(word本身) + 50(下文)
S4. 全连接层
通过全连接层把100+E维的特征变成100维
S5. 词向量组变句向量
通过max-pooling层，我们把词向量变成句向量，完成此模块的任务。
3.2.2 CNNs进行文档向量化
使用CNNs来把得到的句子向量变成文档向量，
作者使用的是CNN-based Inception architecture， 一种基于CNN的结构来实现。
（注意不是CNN）
CNNs的具体结构如下
3.2.3 训练模型
模型采用批量梯度下降， 使用均方误差作为目标函数，最大迭代30轮.
4.预测
经过上面的步骤我们得到了一个119维的特征向量， 其中包括5个特殊方面的语言特征， 64个基于字典的语言特征， 50个文档语义特征， 我们将其放到GBR里，得到分数，当然这个回归算法在后面的实验中会尝试很多。
三、实验结果
待分析~~