JAM은 기존의 이론 의존적인 개인성 인식 모델의 한계를 극복하기 위해 개발된 이론 무관적 프레임워크입니다.
이 프레임워크는 텍스트 샘플로부터 개인의 잠재적 심리적 프로필을 추론하며, 이론별 라벨이 필요하지 않습니다.
Attention-Pooled Graph Prototypical Network와 Cross-Theory Harmonization(CTH) 기법을 활용하여 다양한 데이터셋을 통합하고, LLM을 활용한 품질 향상 메커니즘을 적용했습니다.
실험 결과, JAM은 기존 모델보다 뛰어난 성능을 보이며, 이론 무관적 개인성 추론의 가능성을 제시했습니다.