ارائه کننده: محمد مهدی نظری
استاد ناظر داخلی: دکتر احسان اله کبیر
استاد ناظر خارجی: دکتر محمد باقر شمس الهی
تاریخ: 1403/11/15
ساعت: 8:30
مکان: دانشکده‌ی فنی مهندسی، بلوک 6، طبقه 5، اتاق شیشه ای

چکیده:
در میان ویژگی‌های منحصر‌به‌فرد انسان، دست‌خط اطلاعات ارزشمندی درباره‌ی وضعیت فیزیکی، ذهنی و عاطفی فرد ارائه می‌دهد. گرافولوژی علمی است که با تحلیل ویژگی‌هایی نظیر حاشیه‌ی صفحه، زاویه‌ی حروف و خط مبنا، به بررسی شخصیت افراد می‌پردازد. با این حال، دقت این تحلیل به مهارت فرد بستگی دارد و مداخله‌ی انسانی علاوه بر هزینه‌بر بودن، مستعد خطا نیز هست
این پژوهش با هدف بررسی رابطه‌ی میان ویژگی‌های استخراج‌شده از دست‌خط و ویژگی‌های شخصیتی بر اساس مدل پنج عامل بزرگ شخصیت انجام شده است. داده‌های مورد استفاده از پلتفرم کگل گردآوری شده و برای بهبود کیفیت، تکنیک‌های پیش‌پردازشی نظیر تبدیل به سطح خاکستری، حذف نویز و باینری‌سازی به کار گرفته شده‌اند. برای اولین بار در این تحقیق، ۲۱ ویژگی مختلف از جمله ویژگی‌های آماری، ساختاری و بافتی استخراج شده و با استفاده از روش‌های پیشرفته‌ای مانند الگوریتم ژنتیک بهینه‌سازی شده‌اند
در بخش مدل‌سازی، الگوریتم‌های یادگیری ماشین شامل SVM، رگرسیون لجستیک و CatBoost برای انتخاب بهترین ترکیب ویژگی‌ها مورد بررسی قرار گرفته‌اند. ترکیب سه ویژگی منتخب با مدل CatBoost  دقت ۷۲ درصدی را در طبقه‌بندی ویژگی‌های شخصیتی ارائه داد. در ادامه، این سه ویژگی به‌عنوان ورودی به یک شبکه‌ی عصبی MLP داده شد و با بهینه‌سازی‌های انجام‌شده، دقت مدل به ۸۲ درصد افزایش یافت. این نتیجه به‌مراتب بهتر از دقت مدل ترانسفورمر از پیش آموزش‌دیده‌ی مورد بررسی در این تحقیق بود، که از داده‌های خام به‌عنوان ورودی استفاده می‌کرد. این یافته‌ها بر اهمیت استخراج بهینه‌ی ویژگی‌ها در شناسایی شخصیت از دست‌خط تأکید دارند
انتظار می‌رود نتایج این پژوهش، دیدگاه‌های جدیدی درباره‌ی توانایی تحلیل دست‌خط در پیش‌بینی ویژگی‌های شخصیتی ارائه دهد و زمینه‌ساز تحقیقات آینده در این حوزه باشد. علاوه بر این، کاربردهای عملی این یافته‌ها در حوزه‌هایی مانند روانشناسی، جرم‌شناسی و منابع انسانی بررسی شده و اهمیت استخراج ویژگی در مطالعات داده‌های بزرگ و مقایسه‌ی آن با جدیدترین مدل‌های یادگیری عمیق مورد تأکید قرار گرفته است.