Las características de la personalidad representan las características conductuales de una clase de personas. Los sitios de redes sociales tienen una multitud de usuarios, y los mensajes de texto generados por ellos transmiten los sentimientos, pensamientos y emociones de una persona en un momento particular. Estos textos sociales registran de hecho las actividades psicológicas a largo plazo de los usuarios, que pueden usarse para la investigación sobre el reconocimiento de la personalidad. Sin embargo, la mayoría de los modelos de aprendizaje profundo existentes para la clasificación de texto de múltiples etiquetas consideran semántica a larga distancia o semántica secuencial, pero problemas como la semántica no continua rara vez se estudian. Este documento propuso un marco de aprendizaje profundo que combinaba XLNet y la red de cápsulas para la clasificación de personalidad (XLNet-Caps) a partir de publicaciones de texto. Nuestra clasificación de personalidad se basó en la teoría de la personalidad de los Cinco Grandes y utilizó la información de texto generada por el mismo usuario en diferentes momentos. Primero, utilizamos el modelo XLNet para extraer las características emocionales de la información de texto en cada momento, y luego, las características extraídas se pasaron a través de la red de cápsulas para extraer las características de personalidad aún más. Los resultados experimentales mostraron que nuestro modelo puede clasificar efectivamente la personalidad y lograr el error de predicción promedio más bajo.