Ova doktorska disertacija rezultat je istraživanja u području višeklasne klasifikacije tipova osobnosti autora teksta sa složenim oznakama klasa. Predikcija tipa osobnosti autora teksta ima dobro poznatu uporabu u psihologiji te praktične primjene u poslovnom okruženju. Iz perspektive znanosti o podacima, na problem predikcije osobnosti autora teksta može se gledati kao problem tekstualne klasifikacije te se može rješavati uporabom metoda obrade prirodnog jezika (engl. natural language processing – NLP) te metodama dubokog učenja. U disertaciji je dan pregled rezultata prijašnjih poznatih istraživanja klasifikacije MBTI na način da su prezentirani rezultati primjenom standardnih algoritama strojnog učenja te rezultati istraživanja s primjenom dubokog učenja. Dosadašnja istraživanja višeklasne klasifikacije sa složenim oznakama klasa nisu uzimala u obzir mogućnost uključivanja informacija u komponentama složenih oznaka klasa. Disertacija predlaže novi algoritam za određivanje tipa osobnosti autora teksta temeljen na dubokom učenju s funkcijom gubitka za višeklasnu klasifikaciju prema indikatoru tipa po Myers-Briggsovoj (engl. Myers–Briggs Type Indicator - MBTI) koji poboljšava postojeće rezultate višeklasne klasifikacije MBTI budući da uzima u obzir komponente složenih oznaka klasa kao potporu za bolju klasifikaciju prema instrumentu MBTI. Ovakav pristup je važan jer rješava problem uključivanja komponenti složenih oznaka klasa u višeklasnu klasifikaciju te poboljšava rezultate prijašnjih poznatih istraživanja. Eksperimentalni su rezultati demonstrirani nad dvije arhitekture umjetnih neuronskih mreža: LSTM i CNN a korišteni su i standardni algoritmi strojnog učenja. Rezultati istraživanja s novim algoritmom i funkcijom gubitka uspoređeni su sa standardnim rezultatima pristupa kategoričke unakrsne entropije i s rezultatima prijašnjih poznatih istraživanja. Napravljena je usporedba sa standardnim modelima za višeklasnu klasifikaciju, sličnim istraživanjima za višeklasnu klasifikaciju te istraživanjima s četiri binarna pristupa klasifikaciji MBTI. Algoritam se može koristiti i za ostale probleme višeklasne klasifikacije u situacijama kada postoje binarno isključive komponente složenih oznaka klasa. Na kraju je predstavljen prototip aplikacije s implementiranim predloženim algoritmom za višeklasnu klasifikaciju MBTI, a koji uzima u obzir složene oznake klasa MBTI.