การประมวลผลบุคลิกภาพเป็นสาขาการวิจัยที่เกี่ยวข้องกับปัญญาประดิษฐ์และจิตวิทยาบุคลิกภาพซึ่งศึกษาบุคลิกภาพโดยใช้เทคนิคการคำนวณจากแหล่งข้อมูลที่หลากหลาย รวมถึงข้อความ มัลติมีเดีย และเครือข่ายสังคม

การประมวลผลบุคลิกภาพจัดการกับปัญหาหลักสามประการที่เกี่ยวข้องกับบุคลิกภาพ ได้แก่ การจดจำบุคลิกภาพอัตโนมัติ การรับรู้ และการสังเคราะห์บุคลิกภาพ^{[ 1 ]}การจดจำบุคลิกภาพอัตโนมัติคือการอนุมานประเภทบุคลิกภาพของบุคคลเป้าหมายจากร่องรอยดิจิทัล ของพวกเขา การรับรู้บุคลิกภาพอัตโนมัติคือการอนุมานบุคลิกภาพที่ผู้สังเกตกำหนดให้กับบุคคลเป้าหมายโดยอิงจากพฤติกรรมที่สังเกตได้ การสังเคราะห์บุคลิกภาพอัตโนมัติคือการสร้างรูปแบบหรือพฤติกรรมของบุคลิกภาพเทียมในอวตารและตัวแทนเสมือน

การทดสอบบุคลิกภาพที่ประเมินตนเองหรือการให้คะแนนของผู้สังเกตการณ์มักถูกนำมาใช้เป็นความจริงพื้นฐานสำหรับการทดสอบและตรวจสอบประสิทธิภาพของอัลกอริธึม ปัญญาประดิษฐ์ สำหรับการทำนายประเภทบุคลิกภาพโดยอัตโนมัติ มีการทดสอบบุคลิกภาพหลากหลายประเภท เช่นMyers Briggs Type Indicator (MBTI) ^{[ 2 ]}หรือMMPIแต่ที่ใช้กันมากที่สุดคือการทดสอบตามแบบจำลองปัจจัยห้าประการเช่นRevised NEO Personality Inventory ^{[ 3 ]}

การประมวลผลบุคลิกภาพสามารถพิจารณาได้ว่าเป็นส่วนขยายหรือส่วนเสริมของการประมวลผลอารมณ์โดยที่อย่างแรกเน้นที่ลักษณะบุคลิกภาพ และอย่างหลังเน้นที่สภาวะทางอารมณ์ ส่วนขยายเพิ่มเติมของทั้งสองสาขานี้คือการประมวลผลลักษณะนิสัยซึ่งเป็นการผสมผสานสภาวะและลักษณะนิสัยต่างๆ รวมถึงแต่ไม่จำกัดเพียงบุคลิกภาพและอารมณ์

การประมวลผลบุคลิกภาพเริ่มต้นขึ้นราวปี 2548 ด้วยงานวิจัยบุกเบิกด้านการจดจำบุคลิกภาพโดยShlomo Argamonและต่อมาโดย François Mairesse งานเหล่านี้แสดงให้เห็นว่าสามารถอนุมานลักษณะบุคลิกภาพได้ด้วยความแม่นยำพอสมควรจากข้อความ เช่น บล็อก การแนะนำตัว^{[ 4 ] [ 5 ] [ 6 ]}และที่อยู่อีเมล^{[ 7 ]}ในปี 2551 แนวคิดของ "บุคลิกภาพแบบพกพา" สำหรับการจัดการโปรไฟล์บุคลิกภาพแบบกระจายศูนย์ได้รับการพัฒนาขึ้น^{[ 8 ]}

ไม่กี่ปีต่อมา การวิจัยเกี่ยวกับการจดจำและการรับรู้บุคลิกภาพจากสัญญาณหลายรูปแบบและทางสังคม เช่น การบันทึกการประชุม^{[ 9 ]}และการโทรด้วยเสียง^{[ 10 ] ก็เริ่มต้นขึ้น}

ในช่วงทศวรรษ 2010 การวิจัยมุ่งเน้นไปที่การจดจำและการรับรู้บุคลิกภาพจากสื่อสังคมออนไลน์เป็นหลัก โดยได้รับความช่วยเหลือจากการประชุมเชิงปฏิบัติการครั้งแรกที่จัดโดยFabio Celli [ ^{11 ] โดย}เฉพาะอย่างยิ่งมีการสกัดบุคลิกภาพจาก Facebook ^{[ 12 ] [ 13 ] [ 14 ]} Twitter ^{[ 15 ]}และInstagram [ ^{16 ] ในช่วงปีเดียวกันนั้น การสังเคราะห์บุคลิกภาพอัตโนมัติช่วยปรับปรุงความสอดคล้องของพฤติกรรมจำลองในเอ เจน}ต์เสมือน^{[ 17 ]}

ผลงานทางวิทยาศาสตร์ของMichal Kosinskiแสดงให้เห็นถึงความถูกต้องของ Personality Computing จากร่องรอยดิจิทัลที่แตกต่างกัน โดยเฉพาะอย่างยิ่งจากความชอบของผู้ใช้ เช่น การกดไลค์เพจ Facebook ^{[ 18 ]}แสดงให้เห็นว่าเครื่องจักรสามารถจดจำบุคลิกภาพได้ดีกว่ามนุษย์^{[ 19 ]}และได้เตือนถึงCambridge Analyticaและการใช้เทคโนโลยีประเภทนี้ในทางที่ผิด

เทคนิคการคำนวณบุคลิกภาพ โดยเฉพาะการจดจำและการรับรู้บุคลิกภาพ มีการประยุกต์ใช้ในการตลาดสื่อสังคมออนไลน์ซึ่งสามารถช่วยลดต้นทุนของแคมเปญโฆษณาผ่านการกำหนดเป้าหมายทางจิตวิทยา^{[ 20 ] [ 21 ]}