一种基于残差加权动态图卷积网络的人格检测方法

本发明公开一种基于残差加权动态图卷积网络的人格检测方法，包括：获取用户文本节点特征，将用户的个性化属性信息和通过预训练模型(如BERT)提取的文本语义特征作为节点初始化特征；构建动态图结构，利用残差加权机制动态优化节点特征传播，增强模型对用户人格特征相关信息的保留能力，同时减少噪音文本的干扰；设计加权损失函数，通过对少数类别样本赋予更高的权重，缓解数据不平衡问题。在此基础上，本发明提出的动态图卷积网络通过自适应残差加权机制和加权损失方法，提高了模型在处理社交媒体噪音数据和不平衡数据集时的人格检测准确性，解决了传统方法在噪音和数据不平衡场景中性能下降的问题。