본 논문은 텔레그램 대화 데이터의 언어적 패턴을 통해 성격 유형과 성별을 추론하는 암묵적 분류 방법을 연구합니다. 기존의 성격 예측 기법이 자기 보고식 라벨에 의존하는 것과 달리, 본 연구는 RoBERTa 기반 Transformer 모델을 사용하여 MBTI 유형 및 성별로 주석이 달린 333,882개의 메시지 데이터셋을 학습시켰습니다. 그 결과, 성격 유형 분류 정확도 86.16%, 성별 분류 정확도 74.4%를 달성하여, Transformer 모델이 대화 텍스트 데이터에서 암묵적인 성격 및 성별을 효과적으로 예측할 수 있음을 보여줍니다. 또한, 내향적이고 직관적인 성향을 가진 사람들이 텍스트 기반 상호작용에서 더 활동적인 경향이 있음을 발견했습니다. 본 연구는 Transformer 기반 모델의 효율성과 현실적인 대화 환경에서 정확성과 데이터 적용 범위 간의 절충점을 강조합니다.
