[연구의 필요성]
텍스트 기반 성격 분석은 사람들의 내재적 특성을 이해하고 개인화된 서비스를 제공하는 데 중요한 역할을 하지만, 성격의 잠재적이고 맥락 의존적인 특성으로 인해 기존 연구들은 일반화 가능한 모델 개발에 한계를 보였다. 특히, 레이블링 된 대규모 데이터셋의 부족과 주관적인 레이블링 과정은 성격 예측의 신뢰성과 정확성을 저하시켰다. LLM(대규모 언어 모델)의 발전은 풍부한 텍스트 데이터를 이해하고 분석하는 데 큰 진전을 이루었지만, 여전히 편향성과 단어 선택에 민감하다는 문제가 있다. 따라서, 더 신뢰할 수 있는 성격 예측을 위해 다양한 관점을 통합하는 다중 에이전트 기반 접근법이 요구된다. 본 연구는 이러한 문제를 해결하고자LLM의 내재된 지식과 심리언어학적 관점을 활용하는 새로운 성격 예측 프레임워크를 제안한다.
[연구의 의미]
본 연구는LLM 기반 다중 에이전트 프레임워크인PADO를 제안하여, 서로 다른 성격 특성을 가진 에이전트가 제공하는 다양한 관점을 비교 분석함으로써 성격 예측의 신뢰성과 정확성을 향상시켰다. PADO는 감정, 인지, 사회적 측면과 같은 심리언어학적 요소를 통합 분석하여 텍스트에 내재된 미묘한 성격 정보를 포착하며, 이를 통해 성격의 다면적 특성을 포괄적으로 이해할 수 있도록 한다. 또한, 본 연구는GPT-4o와LLaMA3-8B를 포함한 다양한 규모의 모델에서PADO의 일반화 가능성을 입증하며, 기존 접근 방식 대비 우수한 성능을 보였다. 이러한 결과는 성격 예측이 요구되는 여러 도메인에서 사용자 중심의 맞춤형 서비스를 제공하는 데 의미 있는 통찰을 제공한다.
[연구결과의 진행 상태 및 향후 계획]
본 연구는 두 가지 텍스트 데이터셋(Essays, MyPersonality)을 활용하여, 각 데이터셋의 텍스트에 대하여PADO 프레임워크를 적용해 성격 예측 성능을 평가하였다. 실험 결과, 기존의 in-context learning 기법에 비해 모든 모델에서F1 스코어가 유의미하게 향상되었음을 확인하였다. 특히, 작은 모델에서도PADO는 성격 예측의 신뢰성과 일관성을 보이며 데이터 의존성을 줄이는 데 효과적임을 보여주었다. 향후 연구에서는PADO를 다국어 데이터셋으로 확장하여 성격 예측의 범용성을 검증할 계획이며, 인간-AI 대화 및 맞춤형 추천 시스템 등 실제 애플리케이션으로의 적용 가능성과 효과를 평가할 예정이다.
[성과와 관련된 실적]
국제 학회 논문:
- Haein yeo, Taehyung Noh, Seungwan Jin and Kyungsik Han “PADO: Personality-induced multi-Agents for Detecting OCEAN in human-generated texts," International Conference on Computational Linguistics (COLING), 2025.
※ COLING (International Conference on Computational Linguistics)는 컴퓨터공학을 구성하는 분야 중 하나인“자연어처리(Natural Language Processing; NLP)” 분야를 대표하는 세계 최고 수준의 국제 학회임.
그림 1. PADO 프레임워크 개요. (a) 성격 편향을 갖고 있는 LLM에게 고유한 성격을 부여하여 일관성이 높은 에이전트를 생성하는 과정. Big Five Personality의 다섯 가지 성격 특성에 대해 각각 두 가지 정도(i.e., 높고, 낮음)를 가진 에이전트를 생성. (b) 사람이 작성한 텍스트에 대해 각 에이전트들이 심리언어학 관점에서 텍스트와 성격의 상관 관계가 높은 세 가지 요소 (i.e., 감정, 인지, 사회적 관계)에 대해 추론 근거를 생성하는 과정. (c) 판사 에이전트가 두 에이전트가 생성한 추론을 비교 평가하여 최종 판단을 내리는 과정.