Online Visual Analytics of Text Streams
我们提出了一种在线可视化分析方法，帮助用户探索和理解高容量文本流中的分层主题演变。这种方法背后的关键思想是识别传入文档中的代表性主题，并将它们与它们立即遵循的现有代表性主题（及时）保持一致。为此，我们学习了一组流树切割主题树的基础上用户选择的焦点节点。一个动态的贝叶斯网络模型已经被开发出来，以获得在传入的主题树的树割，以平衡每个树割的适应度和相邻的树割之间的平滑度。通过在不同时间连接相应的主题，我们能够提供不断发展的层次主题的概述。一个基于沉积的可视化设计，使流文本数据的交互式分析，从全球模式到当地的细节。我们在真实世界的数据集上对我们的方法进行了评估，结果总体上是有利的。
2015-12-13 cs.HC cs.IR
Multimodal Topic Learning for Video Recommendation
Tencent AI Lab（腾讯AI实验室）
在深度神经网络的推动下，视频推荐系统取得了重大进展。现有的视频推荐系统直接利用来自不同模态的特征（例如，用户个人数据、用户行为数据、视频标题、视频标签和可视内容）输入深度神经网络，同时期望网络从这些特征隐式地在线挖掘用户偏好的主题。然而，缺乏语义主题信息的功能限制了准确的推荐生成。此外，使用视觉内容特征的特征交叉生成高维特征，这严重降低了网络的在线计算效率。在本文中，我们显式地分离主题生成和推荐生成，提出了一种多模态主题学习算法，利用三种模态（即，标签、标题和封面图像），用于离线生成视频主题。所提出的算法产生的主题作为语义主题特征，以促进偏好范围的确定和推荐生成。此外，我们使用的语义主题功能，而不是视觉内容功能，以有效地减少在线计算成本。我们提出的算法已经部署在快宝信息流平台。在线和离线评估结果表明，我们提出的算法表现良好。
2020-10-26 cs.IR cs.LG
AOBTM: Adaptive Online Biterm Topic Modeling for Version Sensitive Short-texts Analysis
Department of Computer Science The University of British Comumbia Kelowna, Canada
对移动应用程序评论的分析表明，它在需求工程，软件维护和移动应用程序的发展中发挥着重要作用。移动应用程序开发人员经常检查用户的评论，以澄清用户遇到的问题，或捕获由于最近的应用程序更新而引入的新问题。应用程序评论具有动态性，其讨论的主题会随着时间的推移而变化。不同版本的应用程序收集的评论中的主题变化可以揭示有关应用程序更新的重要问题。在这个分析中的一个主要技术是使用主题建模算法。然而，应用评论是简短的文本，随着时间的推移，揭示其潜在的主题是具有挑战性的。传统的主题模型在对短文本进行主题推理时，存在词共现模式稀疏的问题。此外，这些算法不能在许多连续的时间片上捕获主题。在线主题建模算法通过保存前一个时间片的一小部分数据来加快对最近时间片内收集的文本的主题模型的推断。但是这些算法并没有分析所有先前时间片的主题数据，这可以对当前时间片的主题分布做出贡献。本文提出了自适应在线双项主题模型AOBTM，用于自适应地对短文本中的主题进行建模。AOBTM解决了短文本中的稀疏性问题，并考虑了先前时间片的最佳数量的原始数据。我们还提出了并行算法来自动确定主题的最佳数量和最佳数量的以前的版本，应该考虑在主题推理阶段。对应用评论和真实短文本数据集的自动评估证实，AOBTM可以找到更连贯的主题，并优于最先进的基线。
2020-09-13 cs.IR cs.LG stat.ML
Single Stage Prediction with Embedded Topic Modeling of Online Reviews for Mobile App Management
移动应用程序是移动数字经济的基石之一。移动应用与传统企业软件的一个区别特征是在线评论，在线评论可以在应用市场上获得，是消费者对应用反馈的宝贵来源。我们为应用开发人员创建了一个有监督的主题建模方法，以使用移动评论作为质量和客户反馈的有用来源，从而补充传统的软件测试。该方法是基于一个约束矩阵分解，利用词频和一个给定的响应变量之间的关系，除了条款之间的同现恢复主题，都是预测消费者的情绪和有用的理解底层的文本主题。因子分解与有序回归相结合，以提供关于单个应用性能的在线评论的指导，并随着时间的推移系统地比较不同的应用，以确定功能和消费者情绪的基准。我们应用我们的方法，使用超过100，000移动评论的数据集，这些评论来自iTunes和Google Play市场的三个最受欢迎的在线旅行社应用程序。
2018-02-19 cs.IR cs.SE stat.AP
Moving Beyond LDA: A Comparison of Unsupervised Topic Modelling Techniques for Qualitative Data Analysis of Online Communities
本文探讨了基于LLM的BERTopic技术如何支持社交媒体定性数据分析，通过访谈和动手评估比较LDA、NMF和BERTopic三种技术，发现BERTopic因能提供详细连贯的聚类而受多数参与者青睐，凸显了LLM在定性分析中的潜力。
2024-12-19 cs.HC cs.IR
Deep Sentiment Classification and Topic Discovery on Novel Coronavirus or COVID-19 Online Discussions: NLP Using LSTM Recurrent Neural Network Approach
Nanjing University of Science and Technology（南京理工大学）；Dalhousie University（达尔豪斯大学）；Jiangsu University of Science and Technology（江苏科技大学）
互联网论坛和公共社交媒体，如在线医疗论坛，为关注健康问题的用户（人/患者）提供了一个方便的渠道，以相互讨论和分享信息。2019年12月下旬，据报道爆发了新型冠状病毒（感染导致的疾病称为COVID-19），由于该病毒在世界其他地区迅速传播，世界卫生组织宣布进入紧急状态。在这篇论文中，我们使用了从社交媒体中自动提取与COVID-19相关的讨论，以及基于主题建模的自然语言处理（NLP）方法，从公众舆论中发现与COVID-19相关的各种问题。此外，我们还研究了如何使用LSTM循环神经网络对COVID-19评论进行情感分类。我们的研究结果揭示了利用公众意见和合适的计算技术来理解COVID-19相关问题并指导相关决策的重要性。
2020-04-24 cs.CL cs.IR
Unifying Topic, Sentiment & Preference in an HDP-Based Rating Regression Model for Online Reviews
Drexel University（德雷塞尔大学）；China Central Normal University（华中师范大学）
本文提出了一种新的基于HDP的在线评论评分回归模型--主题-情感-偏好回归分析（TSPRA）。TSPRA将主题（即产品方面），词情感和用户偏好作为回归因素结合起来，并且能够在一个框架中执行主题聚类，评论评级预测，情感分析以及我们发明的“关键方面”分析。TSPRA通过将协同过滤（CF）模型中的关键概念“用户偏好”纳入考虑范围来扩展情感方法，而与当前CF模型不同的是，TSPRA将“用户偏好”和“情感”解耦为独立因素。我们在22个亚马逊数据集上进行的实验显示，在错误率、Pearson相关性和反向对数量方面，与最先进的模型FLAME（2015）相比，评级预测的性能要好得多。对于情感分析，我们将派生的词情感与公共情感资源SenticNet 3进行比较，我们的情感估计在在线评论的背景下显然更有意义。最后，由于“用户偏好”与“情感”的去相关性，TSPRA能够评估一个新的概念“关键方面”，定义为用户严重关注但在评论中负面评论的产品方面。对这些“关键方面”的改进对于增强用户体验可能是最有效的。
2018-12-19 cs.CL cs.IR cs.LG
Know Your Personalization: Learning Topic level Personalization in Online Services
Bell Labs Research（贝尔实验室研究院）
在线服务平台（OSP），例如搜索引擎、新闻网站、广告提供商等，基于从用户与OSP的历史中提取的简档，向用户提供高度个性化的内容。虽然个性化（通常）会带来更好的用户体验，但它也会引起用户的隐私问题-他不知道他的个人资料中有什么，更重要的是，他不知道什么被用来个性化内容。在本文中，我们捕获OSP的个性化用户在一个新的数据结构，称为个性化向量（$η$），这是一个加权向量的一组主题，并提出技术来计算它的用户的OSP。我们的方法将OSP视为黑盒，并通过只挖掘其输出来提取$η$，具体地，个性化（针对用户）和普通（没有任何用户信息）内容以及这些内容的差异。我们制定了一个新的模型，称为潜在主题个性化（LTP），捕捉到一个学习框架的个性化向量，并提出了有效的推理算法it.We做了大量的实验，搜索结果个性化使用的数据，从真正的谷歌用户和合成数据集。我们的研究结果表明，高精度（R-pre = 84%）的LTP在寻找个性化的主题。对于Google数据，我们的定性结果显示了LTP如何也可以识别证据--对具有高$η$值的主题结果的查询被重新排序。最后，我们展示了我们的方法可以用来建立一个新的隐私评估框架，专注于最终用户的隐私商业OSP。
2012-12-14 cs.IR cs.LG
Topic-focused Dynamic Information Filtering in Social Media
随着网络社交媒体如twitter或新浪微博在中国的快速发展，许多用户通常会跟踪热点话题以满足他们所需的信息需求。对于一个热门话题，新的观点或想法会以在线数据流的形式不断产生。在这种情况下，如何有效地过滤和动态显示特定主题的信息，将是一个关键问题。我们称这个问题为社会媒体中的主题聚焦动态信息过滤（简称TDIF）。在本文中，我们开始对此类应用问题进行公开讨论。我们首先分析了TDIF问题的属性，它通常包含几个典型的要求：相关性，多样性，新近和信心。最近性意味着用户希望关注最近的观点或新闻。此外，还必须考虑信息的可信度。如何在在线数据流中合理地平衡这些因素是非常重要和具有挑战性的。我们提出了一个动态保存策略的基础上，现有的基于特征的效用函数，以解决TDIF问题。此外，我们提出了新的动态多样性措施，以得到一个更合理的评估，这样的应用问题。在TREC公共twitter数据集上进行了大量的探索性实验，实验结果验证了该方法的有效性。
2015-04-20 cs.IR
Large-Scale Joint Topic, Sentiment & User Preference Analysis for Online Reviews
Temple University（天普大学）；Drexel University（德雷塞尔大学）
在变分推理（VI）和随机变分推理（SVI）的框架下，对已有的主题-情感-偏好联合评论模型TSPRA进行了非平凡重构. TSPRA是一个基于Gibbs Sampling的模型，它可以解决主题，单词情感和用户偏好，并且已经被证明可以实现良好的性能，但对于大数据集，它只能从相对较小的样本中学习。我们开发的变分模型vTSPRA和svTSPRA，以提高时间的使用，我们的新方法是能够处理数以百万计的评论。我们重建了生成过程，改进了评级回归，解决并提出了坐标上升更新的变分参数，并表明每次迭代的时间复杂度理论上是线性的语料库大小，亚马逊数据集上的实验表明，它比TSPRA收敛速度更快，并在相同的时间量下获得更好的结果。此外，我们调整svTSPRA到一个在线算法ovTSPRA，可以监控振荡的情绪和偏好超时。一些有趣的波动被捕获，并提供了可能的解释。结果给出了强有力的视觉证据，用户偏好更好地被视为一个独立的因素，从情绪。
2019-01-14 cs.IR cs.LG stat.AP
Sparseness-constrained Nonnegative Tensor Factorization for Detecting Topics at Different Time Scales
本文提出稀疏约束非负张量分解（S-NCPD）及其在线变体，用于自动检测时间数据中不同持续时间的主题，并定量控制主题长度，实验表明在线变体能更快降低重构误差。
2023-09-01 cs.IR cs.NA cs.SI
Integrating Document Clustering and Topic Modeling
Carnegie Mellon University（卡内基梅隆大学）；Tsinghua University（清华大学）
文档聚类和主题建模是两个密切相关的任务，可以相互受益。主题建模可以将文档投影到一个主题空间中，这有助于有效的文档聚类。通过文档聚类发现的聚类标签可以被合并到主题模型中，以提取特定于每个聚类的局部主题和所有聚类共享的全局主题。在本文中，我们提出了一个多粒度聚类主题模型（MGCTM），它集成了文档聚类和主题建模到一个统一的框架，并共同执行这两项任务，以达到整体最佳性能。该模型将两个组件紧密耦合：用于发现文档集合中潜在组的混合组件和用于挖掘多粒度主题的主题模型组件，其中多粒度主题包括特定于每个簇的局部主题和跨簇共享的全局主题，采用变分推理来近似隐变量的后验，并学习模型参数。在两个数据集上的实验证明了该模型的有效性。
2013-09-26 cs.CL cs.IR cs.LG
Online Interactive Collaborative Filtering Using Multi-Armed Bandit with Dependent Arms
Florida International University（佛罗里达国际大学）；IBM T.J. Watson Research Center（IBM托马斯·J·沃森研究中心）；St. John’s University（圣约翰大学）
在线交互式推荐系统努力迅速地向消费者建议适当的项目（例如，电影、新闻文章），包括消费者和项目内容信息。然而，这样的上下文信息在实践中通常对于推荐是不可用的，其中仅可以利用用户关于项目的交互数据。此外，交互记录的缺乏，特别是对于新用户和项目，进一步影响了推荐的性能。为了解决这些问题，在在线交互式推荐设置中采用了仅依赖于交互数据的推荐技术之一的协同过滤（CF）以及能够实现开发和探索之间的平衡的在线多臂强盗机制，通过假设独立项目（即，武器）。尽管如此，该假设在现实中很少成立，因为现实世界的项目往往彼此相关（例如，有两篇类似的文章）。在本文中，我们研究在线交互式协同过滤问题，考虑项目之间的依赖关系。我们明确制定的项目依赖性的武器，在一个单一的集群内的武器共享类似的潜在主题的集群。根据主题建模技术，我们提出了一个生成模型，从他们的底层主题生成项目。此外，一个有效的在线算法的基础上粒子学习的推断我们的模型的潜在参数和状态。此外，我们推断的模型可以自然地集成与现有的多臂选择策略在在线互动协作设置。两个现实世界的应用，电影和新闻的在线推荐的实证研究，证明了所提出的方法的有效性和效率。
2017-08-11 cs.IR cs.LG
Women in ISIS Propaganda: A Natural Language Processing Analysis of Topics and Emotions in a Comparison with Mainstream Religious Group
University of Virginia（弗吉尼亚大学）
在线宣传是极端主义团体招募战略的核心，近年来，这些努力越来越多地扩展到妇女。为了调查ISIS在其在线宣传中针对女性的方法并揭示其对反恐的影响，我们依靠文本挖掘和自然语言处理（NLP）。具体而言，我们提取发表在Dabiq和Rumiyah（ISIS的在线英语出版物）上的文章，以确定突出的主题。为了确定这些文本与非暴力宗教团体制作的文本之间的相似性或差异，我们将分析扩展到一个致力于妇女的天主教论坛的文章。我们还对这两种资源进行了情感分析，以更好地理解宣传的情感成分。我们依靠Depechemood（一种基于词汇的情感分析方法）来检测这些材料的读者中最有可能被唤起的情感。调查结果表明，ISIS和天主教材料的情感吸引力是相似的
2019-12-09 cs.CL cs.IR
Topic mining based on fine-tuning Sentence-BERT and LDA
Inner Mongolia University（内蒙古大学）
本文提出微调Sentence-BERT结合LDA的主题挖掘方法，用于电商在线评论细粒度属性分析，主题一致性比对比模型高0.5，提升了主题提取准确性。
2025-04-07 cs.CL cs.IR
Topic Modeling on Podcast Short-Text Metadata
Deezer Research（Deezer 研究院）
播客已经成为一种大量消费的在线内容，特别是由于更广泛的生产手段和通过大型流媒体平台的规模化分发。分类系统和信息访问技术通常使用主题作为组织或导航播客集合的主要方式。然而，用主题注释播客仍然是相当有问题的，因为分配的编辑类型是广泛的，异构的或误导性的，或者因为数据的挑战（例如短元数据文本，嘈杂的成绩单）。在这里，我们评估的可行性，发现相关的主题播客元数据，标题和描述，使用主题建模技术的短文本。我们还提出了一种新的策略，利用命名实体（NE），往往存在于播客元数据，在非负矩阵分解（NMF）的主题建模框架。我们对来自Spotify和iTunes的两个现有数据集以及来自提供播客目录的在线服务的新数据集Deezer的实验表明，我们提出的文档表示NEiCE导致了基线上的主题一致性改善。我们发布代码是为了实验结果的可重复性。
2022-01-12 cs.CL cs.IR
BioNLP-OST 2019 RDoC Tasks: Multi-grain Neural Relevance Ranking Using Topics and Attention Based Query-Document-Sentence Interactions
Siemens AG（西门子股份公司）；University of Munich (LMU)（慕尼黑大学（LMU））
本文介绍了我们的系统细节和参与BioNLP-OST 2019 RDoC任务的结果。研究领域标准（RDoC）结构是一个多维和广泛的框架，通过结合从基因组学到行为的知识来描述心理健康障碍。RDoC标记数据集的不可用性和繁琐的标记过程阻碍了RDoC框架在生物医学研究社区和医疗保健行业中的充分潜力。因此，任务1旨在检索和排名与给定RDoC结构相关的PubMed摘要，任务2旨在从给定PubMed摘要中提取最相关的句子。我们研究（1）基于注意力的监督神经主题模型和SVM用于PubMed摘要的检索和排名，并进一步利用BM 25和其他相关性度量进行重新排名，（2）监督和无监督句子排名模型，利用多视图表示，包括查询感知的基于注意力的句子表示（QAR），词袋（BoW）和TF-IDF。我们最好的系统在任务1和任务2中分别获得了0.86的平均精度（mAP）和0.58的宏观平均精度（MAA）。
2019-10-02 cs.CL cs.IR cs.LG
Enhancing Online Support Group Formation Using Topic Modeling Techniques
University of Maryland, Baltimore County（马里兰大学巴尔的摩分校）
本文提出两种新模型，通过整合用户生成内容、人口统计数据和网络数据，实现自动化个性化支持小组形成，提升语义连贯性和内部一致性。
2026-03-28 cs.IR stat.ML
User Clustering in Online Advertising via Topic Models
Turn Inc.（Turn公司）；Yahoo! Labs（雅虎研究院）
在在线广告领域，我们的目标是为访问某个网页的用户提供最好的广告，以最大限度地提高该用户在看到广告后执行所需操作的机会。虽然有可能为每个用户生成不同的预测模型以告知他/她是否将对给定的广告采取行动，但是预测结果通常将是非常不可靠的，具有巨大的方差，因为期望的动作是极其稀疏的，并且用户的集合是巨大的（数亿）并且极其不稳定，即，每天都有很多新用户被引入，或者不再有效。在本文中，我们的目标是提高准确性，找到用户谁将执行所需的动作，通过分配给每个用户到一个集群，其中集群的数量远小于用户的数量（数百）。如果每个用户的事件历史记录相似，则他们将与另一个用户属于同一个集群。为此，我们修改的概率潜在语义分析（pLSA）模型，假设独立的用户和集群ID，给定的历史事件。这个假设帮助我们识别新用户的集群，而无需重新聚类所有用户。我们提出的算法，我们采用的细节，以及Hadoop上的分布式实现，和一些初步的结果，由算法生成的集群。
2015-02-24 cs.AI cs.IR
Peacock: Learning Long-Tail Topic Features for Industrial Applications
潜在狄利克雷分配（LDA）是一种在学术界流行的主题建模技术，但在工业界，特别是在涉及搜索引擎和在线广告系统的大规模应用中，并不多见。一个主要的潜在原因是，所使用的主题模型规模太小，是有用的，例如，在文献中报道的一些最大的LDA模型有多达$10^3$的主题，这很难覆盖长尾语义词集。在本文中，我们表明，主题的数量是一个关键因素，可以显着提高效用的主题建模系统。特别是，我们表明，一个“大”LDA模型与至少$10^5$主题推断从$10^9$搜索查询可以实现工业搜索引擎和在线广告系统，这两个服务于数亿用户的显着改善。我们开发了一个名为Peacock的分布式系统，从大数据中学习大LDA模型。Peacock的主要特点包括分层分布式结构、实时预测和主题去重。我们的经验表明，孔雀系统是能够提供显着的好处，通过高度可扩展的LDA主题模型的几个工业应用。
2014-12-06 cs.DC cs.IR
What are People Talking about in #BlackLivesMatter and #StopAsianHate? Exploring and Categorizing Twitter Topics Emerging in Online Social Movements through the Latent Dirichlet Allocation Model
Duke Kunshan University（杜克-昆山大学）；Data Science Research Center（数据科学研究中心）；Social Science Division Duke Kunshan University（社会科学系杜克-昆山大学）
本研究采用潜在狄利克雷分配模型和开放式编码的混合方法，分析超过一百万条BLM和SAH推文，发现社会正义、社会运动和情感情绪是共同话题，但各有独特子话题，为社交媒体社会运动主题分析做出贡献。
2022-09-19 cs.CL cs.CY cs.IR
Online Learning of Optimally Diverse Rankings
KTH Royal Institute of Technology（瑞典皇家理工学院）；Spotify AB（Spotify 公司）
搜索引擎通过列出相关项目（例如文档、歌曲、产品、网页等）来回答用户的查询。这些引擎依赖于学习对项目进行排名的算法，以便呈现一个有序列表，最大化它包含相关项目的概率。学习排名算法设计中的主要挑战来自于这样一个事实，即查询对于不同的用户通常具有不同的含义。在没有关于查询的任何上下文信息的情况下，通常必须遵守{ \it多样性}原则，即，返回一个包含查询的各种可能主题或含义的列表。为了形式化这个学习排名问题，我们提出了一个自然的模型，其中（i）项目被分类为主题，（ii）用户发现项目相关，只有当他们匹配的主题，他们的查询，和（iii）引擎是不知道的主题到达查询，也不知道的频率，查询相关的各种主题到达，也不知道的主题相关的点击率的项目。对于这个问题，我们设计了LDR（学习多样性排名），一个算法，有效地学习最佳列表的基础上用户的反馈。我们发现，$T$查询后，遗憾的LDR规模为$O((N-L)\log(T))$其中$N$是所有项目的数量。我们进一步确定，这种缩放无法改进，即，LDR是阶最优的。最后，使用人工和真实世界的数据的数值实验，我们说明了LDR的优越性相比，现有的学习排名算法。
2021-09-13 cs.IR cs.LG stat.ML
Modeling User Repeat Consumption Behavior for Online Novel Recommendation
给定用户的历史交互序列，在线小说推荐建议用户可能感兴趣的下一部小说。在线小说推荐很重要，但尚未得到充分研究。在本文中，我们专注于推荐网络小说的新用户的在线小说阅读平台，其首次访问该平台发生在过去的七天。对于新用户的在线小说推荐，我们有两点看法。一是新用户重复新奇消费是普遍现象。其次，用户与小说之间的互动是信息性的。为了准确预测用户是否会重新消费小说，在细粒度级别上描述每个交互至关重要。基于这两个观察，我们提出了一个神经网络的在线小说推荐，称为NovelNet。NovelNet可以同时从用户消费的小说和新小说中推荐下一部小说。具体来说，一个互动编码器被用来获得准确的互动表示考虑细粒度的属性的互动，和指针网络与逐点损失被纳入NovelNet推荐以前消费的小说。此外，从知名网络小说阅读平台构建了网络小说推荐数据集，并作为基准发布供公众使用。在数据集上的实验结果证明了NovelNet的有效性。
2022-09-05 cs.IR
Topical Generalization for Presentation of User Profiles
细粒度的用户简档生成方法使得在简档页面上显示用户具有专业知识或兴趣的主题变得越来越可行。关于主题用户分析的早期工作一直致力于增强搜索和个性化功能，但使这些配置文件对人类消费有用提出了新的挑战。通过这项工作，我们已经朝着主题用户简档的语义布局模式迈出了第一步。我们已经开发了一种主题泛化方法，该方法可以找到连贯的主题组，并根据它们与维基百科类别图中更广泛主题的关联为它们添加标签。一个嵌套的布局模式，采用主题概括，比较简单的平面布局模式在我们的用户研究。结果表明，用户更喜欢嵌套结构的扁平配置文件，但往往忽略了特定的主题在较低的水平。我们提出了第三种布局模式来解决这个问题。
2016-11-20 cs.IR
Cascading Hybrid Bandits: Online Learning to Rank for Relevance and Diversity
University of Amsterdam（阿姆斯特丹大学）；Bloomberg（彭博）；Ahold Delhaize（阿霍德·德尔海兹）
相关性排序和结果多样化是现代推荐系统的两个核心领域。相关性排名旨在建立一个按项目相关性降序排序的排名列表，而结果多样化则侧重于生成一个涵盖广泛主题的项目排名列表。在本文中，我们研究了一个在线学习设置，旨在推荐一个排名列表，其中包含最大化排名效用的$K$项目，即，一个列表，其中的项目是相关的，其主题是多样化的。我们将其表述为级联混合土匪（CHB）问题。CHB假设级联用户行为，其中用户从上到下浏览显示的列表，单击第一个有吸引力的项目，并停止浏览其余的。我们提出了一个混合上下文强盗的方法，称为CascadeHybrid，解决这个问题。CascadeHybrid使用两个独立的函数对项目相关性和主题多样性进行建模，并同时从用户点击反馈中学习这些函数。我们在两个真实世界的推荐数据集上进行实验来评估CascadeHybrid：MovieLens和Yahoo音乐数据集。我们的实验结果表明，CascadeHybrid优于基线。此外，我们证明了理论上的保证$n$步骤的性能，证明了CascadeHybrid的健全。
2020-08-12 cs.IR cs.LG stat.ML
Discovering Airline-Specific Business Intelligence from Online Passenger Reviews: An Unsupervised Text Analytics Approach
University of Missouri（密苏里大学）；National Institute of Technology Tiruchirappalli（国家理工学院蒂鲁吉拉伯利分校）
为了从乘客的角度了解服务质量的重要方面，并为竞争优势定制服务产品，航空公司可以利用丰富的在线客户评论（OCR）。本文的目的是使用无监督文本分析方法从OCR中发现公司和竞争对手的特定情报。首先，在OCR中讨论的关键方面（或主题）提取使用三个主题模型-概率潜在语义分析（pLSA）和潜在狄利克雷分配（LDA-VI和LDA-GS）的两个变体。随后，我们提出了一个集成辅助的主题模型（EA-TM），它集成了各个主题模型，以分类每个评论句子的最具代表性的方面。同样，为了确定与评论句子相对应的情感，开发了集成情感分析器（E-SA），其结合了三种意见挖掘方法（AFINN，SentiStrength和VADER）的预测。一个基于方面的意见摘要（AOS），它提供了一个快照的航空公司感知的优势和劣势，是通过巩固与每个方面相关联的情绪。此外，采用标记OCR的二元语法分析来执行每个识别方面内的根本原因分析。一个案例研究，涉及99,147航空公司的评论，总部设在美国的目标承运人和它的四个竞争对手被用来验证所提出的方法。结果表明，一个成本和时间有效的性能摘要的航空公司及其竞争对手可以从OCR。最后，除了根据我们的研究结果提供理论和管理方面的启示外，我们还考虑到2019冠状病毒病（COVID-19）的前所未有的影响以及对未来类似流行病的预测，为航空业的大流行后准备提供了启示。
2020-12-14 cs.AI cs.IR cs.LG
Predicting the Topical Stance of Media and Popular Twitter Users
发现媒体和有影响力的人对当前有争议的话题的立场对社会统计学家和政策制定者很重要。存在许多用于确定视点的监督解决方案，但是手动注释训练数据是昂贵的。在本文中，我们提出了一个级联的方法，使用无监督学习，以确定Twitter用户的立场，相对于一个极化的话题，利用他们的转推行为，然后，它使用监督学习基于用户标签的特点，一般的政治倾向的在线媒体和流行的Twitter用户，以及他们的立场相对于目标极化的话题。我们通过将其预测与Media Bias/Fact Check网站的黄金标签进行比较来评估该模型，准确率达到82.6%。
2020-05-21 cs.IR cs.SI
Automatic Summarization of Online Debates
The University of Sheffield（谢菲尔德大学）
辩论文摘是自动文摘领域中一个新颖且具有挑战性的研究领域，目前还没有得到广泛的研究。在本文中，我们开发了一个辩论摘要管道，以总结在线辩论的对立双方讨论或争论的关键主题。我们认为，辩论摘要的生成可以通过聚类、聚类标记和可视化来实现。在我们的工作中，我们研究了两种不同的聚类方法的摘要的生成。在第一种方法中，我们通过应用纯粹的基于术语的聚类和聚类标记来生成摘要。第二种方法利用X均值聚类和互信息标记的集群。这两种方法都由本体驱动。我们使用条形图来可视化结果。我们认为，我们的结果是一个顺利的入口，旨在接收的第一印象是什么讨论的辩论主题包含浪费的论证数量的用户。
2017-08-15 cs.AI cs.CL cs.IR
Hotel Preference Rank based on Online Customer Review
Topline酒店现在正在转向数字化方式，以了解他们的客户如何保持和确保满意度。与使用书面评论或采访的传统方式不同，酒店现在正在大力投资人工智能，特别是机器学习解决方案。在线客户评论的分析改变了公司以比传统分析更有效的方式做出决策的方式。本研究的目的是测量酒店服务质量。拟议的方法强调服务质量方面的评论前5名豪华酒店在印度尼西亚出现在在线旅游网站TripAdvisor的基础上部分最好的2018年。在这项研究中，我们使用一个简单的贝叶斯分类器的基础上的模型，每个客户评论到服务质量的维度之一进行分类。我们的模型能够通过准确度、Kappa、召回率、精确度和F测量值正确地分离每个分类。为了发现客户意见中的潜在主题，我们使用主题建模。我们发现，发生的常见问题是关于响应性，因为与其他人相比，它的百分比最低。我们的研究提供了一个更快的前景的酒店排名的基础上，服务质量的基础上，以最终客户的总结以前的在线评论。
2021-10-10 cs.IR cs.SI econ.GN
