CC BY
2
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2024 - Vol. 31, № 3 - P. 134-138
Раздел III ФИЗИКО-ХИМИЧЕСКАЯ БИОЛОГИЯ
Section III
PHYSICAL AND CHEMICAL BIOLOGY
УДК: 004.93'12 DOI: 10.24412/1609-2163-2024-3-134-138 EDN MDAYRI
ПОДХОДЫ К ОПРЕДЕЛЕНИЮ ЛИЧНОСТНЫХ ЧЕРТ И ПСИХОЛОГИЧЕСКОГО СОСТОЯНИЯ ПОЛЬЗОВАТЕЛЕЙ СОЦИАЛЬНЫХ СЕТЕЙ НА ОСНОВЕ АНАЛИЗА ГРАФИЧЕСКОГО КОНТЕНТА
Ю.Г. ЕМЕЛЬЯНОВА*, А.С. ПАНКРАТОВ**, М.В. ХАЧУМОВ**,***,****, В.М. ХАЧУМОВ**,***,****, Л.Р. ЧЕКАЛОВА**
*ИПС им. А.К. Айламазяна РАН, ул. Петра Первого, д. 4 «а», с. Веськово, Ярославская область, 152021, Россия **РУДН, ул. Миклухо-Маклая, д. 6, г. Москва, 117198, Россия ***ИСА ФИЦ ИУ РАН, проспект 60-ления Октября, д. 9, г. Москва, 117312, Россия ""РТУ МИРЭА, проспект Вернадского, д. 78, г. Москва, 119454, Россия
Аннотация. Целью исследования является построение нового научно-обоснованного метода компьютерной визуализации деструктивного состояния человека на основе обработки и анализа изображений, выкладываемых пользователями социальных сетей, позволяющего выявлять личностные черты и устанавливать психологическое неблагополучие личности без применения специальных опросников. Материалами исследования личностных черт и психологического состояния человека послужили графические данные (фотографии, рисунки и другие объекты) пользователей социальной сети «ВКонтакте», находящиеся в свободном доступе. Данные были размечены с помощью специальных опросников, подготовленных психологами для пользователей социальной сети с их согласия. Методами исследования явились различные способы обработки графической информации, с целью оценки уровня выраженности психологических черт личности и депрессии. Основным методом служит анализ цветояркостных характеристик (признаков) изображений, размещаемых участниками социальных сетей, и их сопоставление с уровнями депрессии на основе размеченных данных. Показано, что для классификации и прогнозирования депрессии достаточно эффективна метрика Евклида-Махаланобиса. В качестве метода визуализации степени депрессии пользователя сети применялся перспективный способ образного анализа графического контента, когда информация автоматически преобразуется в понятный психологу образ с помощью приемов когнитивной машинной графики. Результатами исследования и их обсуждения послужило подтверждение гипотезы о существовании устойчивой связи между психологическими состояниями и визуальными образами, полученными на основе методов когнитивной графики. Показана применимость полярных цветояркостных разверток в виде секторных диаграмм в задачах определения степени депрессии. Разработан способ построения подобных образов, называемых когнитивными радугами, и приведены примеры их интерпретации. В заключении выполненного исследования констатируется, что предложенный подход является эффективным инструментом для поддержки принятия решений психологов. Он позволяет оперативно обнаруживать степень деструктивного состояния человека непосредственно по когнитивному образу без обращения к опросникам и принимать соответствующие меры по его устранению. Новый способ визуализации может быть эффективно использован в составе человеко-машинного интерфейса психолога.
Ключевые слова: графический контент, пользователь, социальная сеть, личностные черты, опросник, метрика, депрессия, когнитивный образ.
APPROACHES TO DETERMINING THE PERSONALITY TRAITS AND PSYCHOLOGICAL STATE OF SOCIAL NETWORKS USERS BASED ON THE GRAPHIC CONTENT ANALYSIS
YU.G. EMELYANOVA*, A.S. PANKRATOV**, M.V. KHACHUMOV**,***,****, V.M. KHACHUMOV**,***,****, L.R. CHEKALOVA**
*A.K. Ailamazyan Program Systems Institute of Russian Academy of Sciences, Peter the Great St., 4 "a", Veskovo village, Yaroslavl region, 152021, Russia **RUDN university, Miklukho-Maklaya str., 6, Moscow, 117198, Russia "Federal Research Center «Informatics and Management» of the Russian Academy of Sciences, Prospekt 60-leniya Oktyabrya, 9, Moscow, 117312, Russia ""MIREA - Russian Technological University, Prospekt Vernadskogo, 78, Moscow, 119454, Russia
Abstract. The aim of the study is to construct a new scientifically based method for computer visualization of a destructive state of a person based on the processing and analysis of images posted by social media users, which allows identifying personality traits and establishing psychological disadvantage of the person without using special questionnaires. The study materials of personal traits and a person's psychological state were graphic data (photographs, drawings and other objects) of the VKontakte social network users,
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2024 - Vol. 31, № 3 - P. 134-138
which are freely available. The data were marked up using special questionnaires prepared by psychologists for the social network users with their consent. Research methods included various methods of processing graphic information in order to assess the severity level of psychological personality traits and depression. The main method is the analysis of color-bright characteristics (features) of images posted by participants in social networks, and their comparison with levels of depression based on marked data. It has been shown that the Euclid-Mahalanobis metric is quite effective for classifying and predicting depression. As a method for visualizing the depression degree of a network user, a promising method of figurative analysis of graphic content was used, when information is automatically transformed into an image which is understandable for a psychologist using cognitive machine graphics techniques. The results of the study and their discussion served to confirm the hypothesis that there is a stable connection between psychological states and visual images obtained from cognitive graphics methods. The applicability of polar color-vertical unfolds in the sector diagrams form for defining the depression degree is shown. A method for constructing similar images called cognitive rainbows has been developed, and examples of their interpretation are given. In the conclusion of the study, it is stated that the proposed approach is an effective tool for supporting the decision-making of psychologists. It allows you to quickly detect the degree of a person's destructive state directly by cognitive image without referring to questionnaires and take appropriate measures to eliminate it. The new imaging method can be effectively used as part of the psychologist's human-machine interface.
Keywords: graphic content, user, social network/media, personality traits, questionnaire, metric, depression, cognitive image.
Введение. Сопоставление личностных характеристик человека с изображениями, которые он размещает в сети Интернет, считается одной из важных проблем прикладной психологии [7]. Большое значение придается модели «Большой пятерки» [6], которая связывает личность с рядом характеристик: нейротизм, экстраверсия, добросовестность, открытость опыту, доброжелательность.
Построение психологического портрета личности может быть выполнено, например, с помощью искусственной нейронной сети (ИНС), что и было сделано в работе [2], где использовалась нейросеть с пятью выходами, определяющими степень выраженности характеристик «Большой пятерки» у человека. Полученная ИНС была использована для распознавания (идентификации) личности «пациента».
Исследования, выполненные отечественными исследователями Поспеловым Д.А., Вагиным В.Н., Башлыковым А.А., Зенкиным А.А., Гришиным В.Г., заложили основы нового перспективного направления под названием «когнитивная графика», востребованного для контроля динамических процессов и систем посредством компьютерной визуализации [1]. Когнитивная графика - комплекс программных средств обработки и визуализации массивов информации в виде специальных изображений, помогающих принятию решений экспертом. Такие изображения разрабатываются с учетом прикладной задачи и используются заранее обученным оператором.
В настоящем исследовании средств когнитивной визуализации предлагается использовать изображения, размещаемые участниками социальных сетей. На основе полученных образов предлагается, непосредственно, устанавливать психологический статус респондентов.
Новизна работы заключается в двух аспектах. Первый аспект подтверждает гипотезы о возможности определения состояния человека по совокупности графической информации, выкладываемой пользователем в социальные сети. Это принципиально новое направление в проблеме определения психологического состояния человека, в частности, выявления степени депрессии. Вторым аспектом является графическое отображение ситуации на ос-
нове выделения формальных признаков и автоматического преобразования информации в когнитивный (способствующий пониманию) образ в составе человеко-машинного интерфейса психолога. Подобное представление после настройки (обучения) системы ускоряет выявление степени деструктивного состояния человека при его наличии без проведения опросов.
Цель исследования - построение нового научно-обоснованного метода компьютерной визуализации деструктивного состояния человека на основе обработки и анализа изображений, выкладываемых пользователями социальных сетей, позволяющего выявлять психологическое неблагополучие личности без применения специальных опросников.
Таблица 1
Связь личностных черт с графическим контентом
Личностная черта Цветовые особенности Особенности содержания
Открытость к опыту Низкояркостные изображения, незначительное число цветовых градаций, иллюстрации. Абстрактные изображения. Небольшое количество людей в кадре или их отсутствие. Фотографии успешных людей, спортивных мероприятий.
Добросовестность Цветные изображения. Фотографии зданий, офисов, портретов.
Экстраверсия Яркие, хроматически сложные изображения. Кадры из повседневной деятельности респондента.
Доброжелательность Яркие многоцветные изображения, вызывающие положительные эмоции. Изображения, содержащие сцены домашнего уюта, родственников и близких друзей.
Нейротизм Монохромные и ненасыщенные изображения. Редко встречаются фотографии людей, в основном крупно плановые. Много изображений животных и документов.
Материалы и методы исследования. В качестве исходного материала для выполнения исследований служит графический контент, выкладываемый пользователями в популярных социальных сетях, и его разметка, выполненная психологами на
10иККЛЬ ОБ ЖШ МЕБТСЛЬ ТЕСЫК0ШЫЕ8 - 2024 - Уо1. 31, № 3 - P. 134-138
основе имеющихся опросников.
В работе [7] показана неформальная связь личностных черт человека с графическим контентом, установленная в результате проведенного авторами аналитического обзора.
Одним из эффективных методов для подтверждения гипотезы о существовании взаимосвязи между явлениями служит корреляционный анализ. В работе [10] в качестве инструментария для классификации и прогнозирования личностных черт была использована многослойная ИНС на базе архитектуры VGG-Net [12]. Результаты оценивались с помощью коэффициента Пирсона (табл. 2).
Таблица 2
Корреляция между реальными и прогнозными значениями личностных характеристик
Прогноз максимально эффективен в случае открытости к опыту и нейротизма. Комбинация текста и изображений дает наилучшую оценку пользователя социальной сети.
В работе [9] показано, что наиболее коррелирующие с личностными факторами характеристики изображений - насыщенность, оттенок и яркость.
Исследование [13] показало, что ИНС на основе радиальных базисных функций позволяет выполнять оценку открытости к опыту, добросовестности, экстраверсии, доброжелательности и нейротизма со следующим средним квадратическим отклонением (СКВО): 0.73, 0.69, 0.95, 0.74 и 0.95. Полученные результаты близки к тем, что представлены в работе [11], в которой приведены оценки 0.69, 0.76, 0.88, 0.79 и 0.85.
Одним из перспективных методов оценки состояния человека служат когнитивные образы, которые формируются на основе анализа графического контента. Значимость когнитивной графики применительно к сложным процессам и объектам произвольной природы продемонстрирована в работе [1]. Отметим следующие основные формализуемые свойства когнитивных образов. Ситуационная интерпретируемость - наличие информации, позволяющей выполнять оценку статуса объекта или системы, отдельных характеристик. Селективность -преимущественное выделение наиболее информативного признака по сравнению с другими. Селективность можно определить, вычислив максимум функции информативности в пределах исследуемой проблемной среды. Структурность - уровень восприятия внутренних связей подсистем и параметров наблюдаемого объекта. Лаконичность - степень краткости описания важных свойств контролируе-
мого объекта. Целостность - способность представлять совокупность характеристик объекта в виде единой, завершенной, детализированной структуры.
Результаты и их обсуждение. Выполненный аналитический обзор показал, что фактически нет альтернативы сверточным нейронным сетям (СНС), поэтому они были выбраны в качестве основного инструментария для выявления личностных черт по коллекциям графических изображений, выкладываемых пользователями [5]. Оценка качества определения личностного фактора осуществлялась с использованием СКВО. Значения средних квадратических отклонений для открытости к опыту, добросовестности, экстраверсии, доброжелательности и нейротизма: 5.54, 9.23, 8.03, 5.62, 10.43 на обучающей выборке и 5.98, 9.17, 8.40, 6.69, 10.45 - на тестовой.
Был выявлен ряд закономерностей по результатам экспериментов:
- для достаточной точности прогноза личностных характеристик необходимо использовать более двух слоев СНС;
- лучшие прогнозы получаются при увеличении размеров исходных изображений, что повышает число связей в нейронной сети;
- наиболее точно предсказываются открытость к опыту и доброжелательность, наименее точно -нейротизм.
Далее рассмотрим возможность оценки депрессивного состояния человека на основе образного анализа графического контента.
Большой интерес представляют исследования, связанные с образным анализом черт человека на основании интерпретации графического контента [3, 4] средствами когнитивной графики. Предлагается использование круговых диаграмм, причем с каждым отдельным личностным фактором сопоставляется сектор когнитивного образа, цвет и радиус которого задается исходя из степени выраженности личностной характеристики. Мало выраженные факторы отображаются цветами синих оттенков, средне выраженные - зеленых оттенков, сильно выраженные - оранжевых (рис. 1). Такой вариант когнитивной визуализации упрощает работу психологов-исследователей по психологическому анализу пациентов.
Выполнено исследование применимости методов когнитивной графики в задачах представления степени деструктивного состояния (депрессии). При обработке изображений применялась цветовая модель ШЬ, близкая к естественному восприятию цвета человеком. Из совокупности графических данных, предварительно размеченных психологами в соответствии с опросником, выделяется множество информативных признаков: доли пикселей различных цветов, насыщенности и яркости. По обучающей выборке построен набор образцов уровней депрессии. Полученный набор фильтруется для удаления
Признаки Открытость к опыту Добросовестность Экстраверсия Доброжелательность Нейротизм
Цвета 0.284 0.352 0.293 0.317 0.398
Все изображения 0.448 0.479 0.369 0.336 0.593
Текст 0.168 0.059 0.223 0.111 0.261
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2024 - Vol. 31, № 3 - P. 134-138
близких образцов и сокращения объема анализируемых данных.
а)
б)
в)
Рис. 1. Визуализация личностных характеристик «Большой пятерки»
На тестовой выборке для каждого подкаталога респондентов вычисляется вектор признаков х и вероятности принадлежности к уровням депрессии Ру, где у=1,2,3,4 - номер уровня депрессии. Вероятности вычисляются по формуле Ру=Му/ту, где ту -количество обучающих образцов для у-го уровня депрессии, Му - количество образцов с расстоянием Евклида-Махаланобиса [8] до х меньше наперед заданной величины, выбранной эмпирически:
ЙЕ-м = У(Су + £)-1(х-<7;) <1.2,
где - образец с номером ] для уровня депрессии у, Су - ковариационная матрица для и-го класса депрессии, Е - единичная матрица. Расчет образцов классов и матриц ковариаций был выполнен на основе фотографий, выложенных 673 респондентами в сеть. По нормализованным значениям полученных вероятностей генерируется когнитивно-
графический образ (рис. 2).
Предложенный способ визуализации степени депрессивности получил название «когнитивная радуга». Образ разбит на секторы по числу альбомов конкретного участника соцсети. Уровням депрессии соответствует четыре полукольца. Норма сопоставляется с самым малым полукольцом. Высокая степень депрессии - с самым большим. С уровнями депрессии сопоставлены следующие цвета: норма -зеленый, низкий уровень - желтый, средний уровень - оранжевый, высокий уровень - красный. Наиболее яркий оттенок устанавливается при высокой уверенности в диагнозе. Например: на рис. 1а высокая вероятность тяжелой депрессии отмечена ярко-красными ячейками; на рис. 1г низкой уверенности среднего уровня депрессии соответствует бледно-оранжевый цвет третьего полукольца.
На рис. 1а преобладающим является ярко-красный цвет. Ячейки нормы либо не окрашены,
либо окрашены в бледный оттенок зеленого. Следовательно, цветовая гамма образа указывает на высокий уровень депрессии.
\____/
а) высокий уровень депрессии
/ ( ш 1 1
в) низкий уровень депрессии
б) средний уровень депрессии
/ "^Х \
/ / /•" \ \
I (I ^ ■
г) отсутствие депрессии
Рис. 2. Когнитивно-графические образы для определения уровня депрессии
Рассмотрим рис. 1б. Кольцо низкого уровня почти равномерно заполнено яркими оттенками желтого. Больше половины ячеек третьего уровня имеют яркий оранжевый цвет. Заметен эпизод депрессии высокого уровня в одном из секторов. Приходим к выводу о среднем уровне депрессии респондента.
В рис. 1в самой яркой и равномерной является часть образа, представляющая собой нормальное состояние. Тем не менее, кольцо второго уровня тоже полностью окрашено. Наличие одной ячейки бледно-розового цвета указывает на небольшую склонность к высокому уровню депрессии. Рассмотренная «когнитивная радуга» отображает низкий уровень депрессии.
В образе 1г не проявились оттенки красного цвета. «Оранжевое» кольцо предельно бледное. Секторы нормы и низкого уровня получили максимальную яркость. В целом, когнитивный образ указывает на высокую вероятность отсутствия депрессии.
Отметим, что применение средств когнитивной графики существенно повышает скорость понимания состояния пациента на основе быстрого восприятия когнитивных графических образов. Разработка методов автоматического построения таких образов, применительно к определению человеческих черт позволяет сделать взаимодействие лица, принимающего решение более естественным и достаточно простым в обучении.
Заключение. В настоящем исследовании установлены взаимосвязи факторов «Большой пятерки» с цветовыми особенностями и объектами на изображениях из профилей участников социальных сетей. Выполненный аналитический обзор показал, что имеется корреляционная зависимость между личностными чертами и визуальными особенностями изображений, размещаемых пользователями социальной сети «ВКонтакте». Значимость метода формализованного выявления депрессии по графическому контенту продемонстрирована на данных субъектов, предварительно обследованных психологами.
JOURNAL OF NEW MEDICAL TECHNOLOGIES - 2024 - Vol. 31, № 3 - P. 134-138
Большинство авторов, занимающихся прогнозированием личностных факторов по публикуемым в социальных сетях изображениям, сосредоточены на определении особенностей графического контента, указывающих на уровень проявления психологических характеристик персоны. Отметим, что визуальные особенности изображений инвариантны относительно языка участников соцсети, что позволяет говорить о фундаментальности подхода. Прогнозирование по цветояркостным характеристикам наиболее эффективно в случае открытости к опыту, экстраверсии и нейротизму. В первую очередь речь о насыщенности, оттенках и яркости на изображениях.
Предлагаемые подходы к визуализации характеристик изображений, публикуемых в социальных сетях, могут быть применены в качестве когнитивных компонент в графических интерфейсах врачей-психологов. При этом способности к быстрому получению и к автоматизированной обработке графической информации из социальных сетей позволяют существенно ускорить проведение и повысить качество социо-психологических исследований. Предложенный подход можно использовать для ориентировочного предсказания степени депрессивного состояния по графическому контенту.
Литература / References
1. Бурдаев М.Н., Емельянова Ю.Г., Хачумов В.М. Когнитивная машинная графика в системах космического и медицинского назначения. М.: Ленанд, 2019. 256 с. / Burdaev MN, Emelyanova YuG, Khachumov VM. Kognitivnaya mashinnaya grafika v sistemakh kos-micheskogo i medicinskogo naznacheniya [Cognitive machine graphics in space and medical systems]. Moscow: Lenand; 2019. Russian.
2. Гуреев А. Психологический портрет с помощью нейросети и обычной камеры, 2018. URL: https://habr.com/company/microsoft/ blog/348966/ (дата обращения: 10.01.2024) / Gureev A. Psikholog-icheskiy portret s pomoshch'yu nejroseti i obychnoj kamery [Psychological portrait using a neural network and a regular camera]. 2018. Russian. URL: https://habr.com/company/microsoft/blog/348966/ (data obrash-henija: 10.01.2024). Russian.
3. Емельянова Ю.Г., Фраленко В.П., Хачумов В.М. Определение личностных факторов пользователей социальных сетей по цветовой гамме выкладываемых фотографий // Проблемы научной мысли. 2020. Т. 7, № 5. С. 59-65 / Emelyanova YuG, Fralenko VP, Khachumov VM. Opredelenie lichnostnyh faktorov pol'zovatelej social'nyh setej po tsvetovoi gamme vykladyvaemykh fotografiy [Identification of personal factors of users of social networks by the color scheme of posted photos]. Problemy nauchnoj mysli [Challenges of scientific thought]. 2020;7(5):59-65. Russian.
4. Емельянова Ю.Г., Хачумов В.М. Когнитивная визуализация устойчивых физиологических и личностных факторов. // Современные наукоемкие технологии. 2021. № 1. С. 25-30. DOI: 10.17513/snt.38466 / Emelyanova YuG, Khachumov VM. Cognitive visualization of unalterable physiological and psychological factors. Sovremennye naukoemkie tekhnologii [Modern knowledge-intensive technologies]. 2021;1:25-30. DOI: 10.17513/snt.38466. Russian.
5. Игнатьев Н.А., Латышев А.В., Фраленко В.П. Экспериментальное исследование связи личностных факторов и изображений,
размещаемых пользователями социальной сети «ВКонтакте» // Приднепровский научный вестник. 2019. Т. 4, № 2. С. 103-110 / Ignat'ev NA, Latyshev AV, Fralenko VP. Eksperimental'noe issledovanie svyazi lichnostnykh faktorov i izobrazheniy, razmeshchaemykh pol'zovatelyami social'noi seti «VKontakte» [Experimental study of the relationship of personal factors and images posted by users of the social network VKontakte]. Pridneprovskij nauchnyj vestnik [Pridneprovsky scientific bulletin]. 2019;4(2):103-10. Russian.
6. Калугин А.Ю, Щебетенко С.А., Мишкевич А.М., Сото К.Д., Джон О. Психометрика русскоязычной версии Big Five Inventory-2 // Психология: журнал Высшей школы экономики. 2021. Т. 18, № 1. С. 7-33 / Kalugin AYu, Shchebetenko SA, Mishkevich AM, Soto KD, John O. Psikhometrika russkoyazychnoi versii Big Five Inventory-2 [Psychometric Properties of the Russian Version of the Big Five Invento-ry-2]. Psikhologiya: zhurnal Vysshey shkoly ekonomiki. 2021;18(1):7-33. Russian.
7. Латышев А.В., Талалаев А.А., Фраленко В.П., Хачумов В.М., Хачумов М.В. Методы оценки личностных факторов по визуальной информации, публикуемой в социальных сетях (обзор). // Мир науки. Педагогика и психология. 2019. № 1. С. 9 / Latyshev AV, Tala-laev AA, Fralenko VP, Khachumov VM, Khachumov MV. Metody ocenki lichnostnykh factorov po vizual'noi informacii, publicuemoi v so-cial'nykh setyakh (obzor) [The methods for assessing personal factors using visual information that is published on social networks (review)]. Mir nauki. Pedagogika i psihologija. 2019;1:9. Russian.
8. Хачумов М.В. Инвариантные моменты и метрики в задачах распознавания графических образов // Современные наукоемкие технологии. 2020. № 4. С. 69-77. DOI: 10.17513/snt.37975 / Kha-chumov MV. Invariantnye momenty i metriki v zadachakh raspoz-navaniya graficheskikh obrazov [Invariant moments and metrics in pattern recocnition]. Sovremennye naukojomkie tehnologii. 2020;1(4):69-77. DOI: 10.17513/snt.37975. Russian.
9. Ferwerda B., Schedl M., Tkalcic M. Predicting personality traits with Instagram pictures. Proceedings of the 3rd Workshop on Emotions and Personality in Personalized Systems, 2015. P. 7-10. DOI: 10.1145/2809643.2809644 / Ferwerda B, Schedl M, Tkalcic M. Predicting personality traits with Instagram pictures. Proceedings of the 3rd Workshop on Emotions and Personality in Personalized Systems; 2015. DOI: 10.1145/2809643.2809644.
10. Guntuku S.C., Lin W., Carpenter J., Ng W.K., Ungar L.H., Pre-otiuc-Pietro D. Studying personality through the content of posted and liked images on twitter. Proceedings of the 2017 ACM on web science conference, 2017. P. 223-227. DOI: 10.1145/3091478.3091522 / Guntuku SC, Lin W, Carpenter J, Ng WK, Ungar LH, Preotiuc-Pietro D. Studying personality through the content of posted and liked images on twitter. Proceedings of the 2017 ACM on web science conference; 2017. DOI: 10.1145/3091478.3091522.
11. Ouercia D., Kosinski M., Stillwell D., Crowcroft J. Our twitter profiles, our selves: Predicting personality with twitter. In IEEE Third Conference on Social Computing, 2011. P. 180-185. DOI: 10.1109/PASSAT/SocialCom.2011.26 / Ouercia D, Kosinski M, Stillwell D, Crowcroft J. Our twitter profiles, our selves: Predicting personality with twitter. In IEEE Third Conference on Social Computing; 2011. DOI: 10.1109/PASSAT/SocialCom.2011.26.
12. Simonyan K., Zisserman А. Very deep convolutional networks for large-scale image recognition // Proceedings of International Conference on Learning Representations. 2015. URL: https://www.semanticscholar.org/reader/eb42cf88027de515750f230b23b 1a057dc782108 (дата обращения: 10.01.2024) / Simonyan K., Zisserman А. Very deep convolutional networks for large-scale image recognition // Proceedings of International Conference on Learning Representations. 2015. URL: https://www.semanticscholar.org/reader/eb42cf880 27de515750f230b23b1a057dc782108 (дата обращения: 10.01.2024).
13. Weka 3 - Data Mining with Open Source Machine Learning Software in Java. URL: https://www.cs.waikato.ac.nz/ml/weka/ (дата обращения: 10.01.2024) / Weka 3 - Data Mining with Open Source Machine Learning Software in Java. URL: https://www.cs.waikato.ac.nz/ ml/weka/ (дата обращения: 10.01.2024).
Библиографическая ссылка:
Емельянова Ю.Г., Панкратов А.С., Хачумов М.В., Хачумов В.М., Чекалова Л.Р. Подходы к определению личностных черт и психологического состояния пользователей социальных сетей на основе анализа графического контента // Вестник новых медицинских технологий. 2024. № 3. С. 134-138. DOI: 10.24412/1609-2163-2024-3-134-138. EDN MDAYRI.
Bibliographic reference:
Emelyanova YuG, Pankratov AS, Khachumov MV, Khachumov VM, Chekalova LR. Podkhody k opredeleniyu lichnostnykh chert i psikhologicheskogo sostoyaniya pol'zovateley sotsial'nykh setey na osnove analiza graficheskogo kontenta [Approaches to determining the personality traits and psychological state of social networks users based on the graphic content analysis]. Journal of New Medical Technologies. 2024;3:134-138. DOI: 10.24412/1609-2163-2024-3-134-138. EDN MDAYRI. Russian.
