MBTIClassification

Erstellt Persönlichkeitsprofile für Twitter-Nutzende anhand des Myers-Briggs Type Indicators (MBTI).

Installation

Entwickelt mit Python 3.8.3 unter Windows 10 Home.

Es wird ein Standard-Zugang zur Twitter-API benötigt; die Zugangsdaten sollen in einer .env-Datei abgespeichert werden (Vorlage im Repo). Alle nötigen Module sind in requirements.txt zu finden.

Der Klassifikator kann z.B. auf dem (deutschen) TwiSty-Korpus trainiert werden. Alternativ kann jede .json-Datei mit den Schlüsseln "user_id" und "mbti" verwendet werden. Die User-ID ist für jeden Twitter-Account einzigartig und kann nicht geändert werden, anders als der Nutzer-/Anzeigename (@). Nutzernamen können z.B. hier in User-IDs umgewandelt werden.

Nutzung

Training

python main.py data model -t [gold]

Argumente

• data: Dateipfad zu den Trainingdaten. Format: .json mit Schlüsseln "user_id" und "mbti"
• model: Dateipfad, in den das trainierte Modell geschrieben werden soll. Format: .tsv
• -t: Flagge, die den Trainingsmodus startet
• gold: Dateipfad zu den Testaten für die Evaluation, wenn vorhanden. Wenn das Datenset noch nicht in Trainings-/Testdaten aufgesplittet ist, wird data intern gesplittet. Format: .json, s.o.

Beispiel (ungesplittetes Korpus)

python main.py data/TwiSty-DE.json model.tsv -t

Beispiel (gesplittetes Korpus)

python main.py data/dataset_training.json model.tsv -t data/dataset_test.json

Inferenz

python main.py data model output

Argumente

• data: Dateipfad zu den Eingabedaten. Format: .json mit Schlüssel "user_id"
• model: Dateipfad aus dem das trainierte Modell eingelesen werden soll. Format: .tsv
• output: Dateipfad, in den die Vorhersagen geschrieben werden sollen. Format: .tsv

Beispiel

python main.py data/my_data.json model.tsv predictions.tsv

Unit-Tests

Einsehbar in test_module.py. Aus dem deutschen TwiSty-Korpus wurde ein kleines Subset dataset_unittest.json mit 20 User-IDs entnommen, auf dem getestet wird.

python -m unittest test_module