随着智能手机快速的普及,基于智能手机的感知技术迅速发展。智能手机配备丰富的传感器,高效的处理器和大容量的存储空间,为传统的社会科学研究拓宽了科研范围:研究人员通过智能手机获取样本数据,取代传统的调查取样。传统的社会科学研究对人格心理学做了详细的描述和临床的观察研究,但随着智能手机的普及,人格心里学的研究已经不再局限于临床的观察研究。如今,智能手机设备能够感知大量的行为数据:GPS位置;通信数据,包括通话短信记录和联系人数据;运动状态,通过加速度和陀螺仪传感器获取运动数据等等。在相关的基于行为感知数据的用户状态(用户情绪,性格,行为等)感知研究工作中,存在一些研究方法上的不足之处:首先是通过长期收集用户的行为数据推断用户的状态,这种收集用户数据的策略需要用户持续的配合调查,降低了数据收集效率;其次是在基于智能手机的人格预测相关工作中,通常采用的是单任务预测方法,即分别预测大五人格的各个人格属性,并没有考虑到五类人格属性之间的关联,忽略了人格属性之间的相互关联。具体的本文主要工作可以总结为:(1)提出了基于智能手机快照数据的细粒度人格特质预测研究方法。与现有的基于移动传感器数据的方法不同,本文提出的方法仅需要使用智能手机的快照,即可快速完成大五人格分数预测无需长期收集用户数据(智能手机的快照是指存储在智能手机中的通话记录,短信记录和应用程序使用日志),而智能手机快照可以使用Android系统提供的API即时获取。本文基于智能手机快照数据提取通话短信和应用程序使用特征,分析这些特征与自我报告的人格测试分数之间的相关性。从分析的结果表明,从智能手机快照数据提取的行为特征与自我报告的人格测试分数之间存在显著的关联。(2)提出了一种加入注意力机制和混合专家网络的多视图多任务模型,注意力机制可以获得不同视图的重要性权重提高模型预测准确率;混合专家网络能够对不同的样本输入得出不同的特征表示,从而获得更好的特征表示效果;多任务模型使五类人格属性的预测任务联系在一起,充分考虑人格属性之间的关联作用,使预测准确率显著高于baseline模型。(3)研究了人格感知模型的应用。预测学生的学习成绩对学生的学习规划或职业规划非常重要,人格感知模型可以很好的帮助并提高学生的GPA分数的预测精度。在本文中,我们提出基于人格感知模型和智能手机上收集的APP使用数据来预测学生的学习成绩。根据收集的数据,我们的分析表明学生的GPA分数与智能手机的使用模式高度相关。我们进一步通过实验表明,学生的GPA分数可以通过人格感知模型和提取的应用程序统计特征可以预先高精度地预测。