Word Segmentation on Micro-blog Texts with External Lexicon and Heterogeneous Data
Qingrong Xia, Zhenghua Li, Jiayuan Chao, Min Zhang
本文介绍了我们为NLPCC 2016共享任务设计的微博文本分词系统。
This paper describes our system designed for the NLPCC 2016 shared task on word segmentation on micro-blog texts.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
继续探索
Overview of the NLPCC 2015 Shared Task: Chinese Word Segmentation and POS Tagging for Micro-blog Texts
本文综述了第四届CCF自然语言处理与中文计算会议（NLPCC 2015）的共同课题：微博文本的中文分词和词性标注。与目前流行的新闻专线数据集不同，该共享任务的数据集由相对非正式的微文本组成。共享任务包括两个子任务：（1）单个汉语分词和（2）联合汉语分词和词性标注。每个子任务有三个轨道，以区分具有不同资源的系统。我们首先介绍数据集和任务，然后描述参与系统的不同方法，报告测试结果，并对这些结果进行概述分析。在http://nlp.fudan.edu.cn/nlpcc2015上有一个在线系统可供公开登记和评估。
Suspicious News Detection Using Micro Blog Text
本文提出了一个新的任务--基于微博文本的可疑新闻检测。该任务旨在支持人类专家检测待验证的可疑新闻文章，这是昂贵的，但在验证文章的真实性之前是至关重要的一步。具体地说，在这个任务中，给定一组SNS上的帖子，引用一篇新闻文章，目标是判断该文章是否需要验证。对于这项任务，我们创建了一个公开可用的数据集在日本，并提供基准测试结果，通过使用几个基本的机器学习技术。实验结果表明，我们的模型可以减少人工事实检查过程的成本。
News Sentiment Analysis
现代技术时代在几个领域重塑了传统生活方式。随着信息技术的进步，新闻和事件的发布媒介变得更快。IT还充斥着大量的数据，这些数据每时每刻都在由数百万用户以评论、博客、通过博客、社交媒体微博网站等进行新闻共享的形式发布。手动遍历如此庞大的数据是一项具有挑战性的工作，因此，复杂的方法来自动有效地执行这项任务。新闻报道的事件包含了各种情绪--好的、坏的、中性的。情感分析用于研究文本信息中存在的人类情感。提出了一种基于词汇的新闻文章情感分析方法。在BBC新闻数据集上进行了实验，实验结果表明了所采用方法的适用性和有效性。
Sentiment Analysis For Modern Standard Arabic And Colloquial
博客和社交网络等社交媒体的兴起激发了人们对情感分析的兴趣。随着评论、评级、推荐和其他形式的在线表达的激增，在线意见已经变成了一种虚拟货币，企业希望推销他们的产品，发现新的机会和管理他们的声誉，因此许多人现在都在寻找情感分析领域。在本文中，我们提出了一个基于特征的句子层次的阿拉伯语情感分析的方法。我们的方法是使用阿拉伯语成语/短语词典作为提高阿拉伯语句子中情感极性检测的关键重要性，以及一些小说和丰富的语言动机特征集（上下文增强器，上下文移位器和否定处理），用于冲突短语的句法特征，提高情感分类准确性。此外，我们介绍了一个自动扩展的广泛覆盖的极性词汇的阿拉伯语情感。该词典以黄金标准情感词为种子构建，人工收集和注释，并使用同义词集聚合技术和免费在线阿拉伯语词典和词库自动扩展和检测新情感词的情感倾向。我们的数据集中于现代标准阿拉伯语（MSA）和埃及方言阿拉伯语推特和微博（酒店预订，产品评论等）。使用我们的资源和技术与SVM分类器的实验结果表明高性能水平，准确率超过95%。
A novel sentence embedding based topic detection method for micro-blog
主题检测是一项具有挑战性的任务，特别是在不知道主题的确切数量的情况下。提出了一种基于神经网络的微博话题检测方法。我们使用一个无监督的神经句子嵌入模型将博客映射到一个嵌入空间。我们的模型是一个加权幂均值词嵌入模型，权重由注意力机制计算。实验结果表明，我们的嵌入方法在句子聚类中的性能优于基线。此外，我们提出了一种改进的聚类算法称为关系感知DBSCAN（RADBSCAN）。它可以从微博数据集中发现主题，主题数量取决于数据集本身的性质。此外，为了解决参数敏感的问题，我们采取博客转发关系作为两个独立的集群之间的桥梁。最后，我们在新浪微博的数据集上验证了我们的方法。实验结果表明，该方法能够成功地检测出所有的主题，并提取出每个主题中的关键词。
Performance Investigation of Feature Selection Methods
随着互联网和Web 2.0社交媒体的普及，情感分析或意见挖掘已经成为一个开放的研究领域。人们在包括博客、论坛、推文等的社交媒体上表达他们的态度和观点，并且情感分析关注从在线文本中检测和提取情感或观点。基于情感的文本分类不同于主题文本分类，因为它涉及基于对主题表达的观点的歧视。特征选择对于情感分析具有重要意义，因为主观文本可能具有较高的维度，这会对情感分析分类器的性能产生不利影响。本文探讨了特征选择方法在情感分析中的适用性，并从查全率、查准率和准确率三个方面研究了它们在分类中的性能。基于2000篇电影评论语料，研究了五种特征选择方法（文档频率、信息增益、增益比、卡方和Relief-F）和三种流行的情感特征词典（HM、GI和Opinion Lexicon）。实验结果表明，信息增益给出了一致的结果，增益比表现出整体最好的情感特征选择，而情感词典的性能较差。此外，我们发现分类器的性能取决于从文本中选择适当数量的代表性特征。
T-BERT -- Model for Sentiment Analysis of Micro-blogs Integrating Topic Model and BERT
情感分析（SA）近年来已经成为一个广泛的研究领域，影响着包括电子商务、消费者业务和政治在内的各个领域，这是由社交媒体平台的日益普及和使用所驱动的。从这种背景下出现的无监督短文本中提取主题和情感是具有挑战性的，因为它们可能包含比喻性的单词，刺耳的数据，以及单个单词或短语的许多可能含义的共存，所有这些都有助于获得不正确的主题。大多数先前的研究是基于一个特定的主题/修辞/集中的内容在一个干净的数据集。在这里报告的工作中，证明了BERT（来自Transformers的双向编码器表示）在来自流行微博平台的原始实时数据集的情感分类任务中的有效性。提出了一种新的T-BERT框架，以显示通过将潜在主题与上下文BERT嵌入相结合所获得的增强性能。使用NimbleBox.ai平台在具有大约42000个数据集的集合上进行数值实验，该集合具有由Nvidia Tesla K80（CUDA）、4核CPU、15 GB RAM组成的硬件配置，该硬件配置在隔离的Google Cloud Platform实例上运行。实验结果表明，在BERT中加入主题后，该模型的性能得到了提高，使用该方法进行BERT情感分类的准确率达到了90.81%.
Active learning in annotating micro-blogs dealing with e-reputation
本文提出一种主动学习方法，利用Twitter特征自动标注法语政治推文，构建观点数据集，并探讨噪声减少与信息丢失的权衡。
The Language of Interoception: Examining Embodiment and Emotion Through a Corpus of Body Part Mentions
本文构建了在线英文文本中身体部位提及的语料库，发现其使用频率受时间地点影响，且包含BPMs的文本情感色彩更强，与较差健康结果显著相关，为NLP与情感科学交叉研究提供了新途径。
Subject Specific Stream Classification Preprocessing Algorithm for Twitter Data Stream
微博客服务Twitter是全球情绪数据采掘应用的一个利润丰厚的来源。但是由于每个数据项中涉及的主题的多样性，在原始数据上运行数据采掘算法是低效的。本文讨论了一种算法，以准确地分类整个流在一个给定数量的互斥的集体穷举的流，每个数据采掘算法可以单独运行，产生更相关的结果，具有较高的效率。
Triplètoile: Extraction of Knowledge from Microblogging Text
本文提出一种增强的信息提取流程，利用依存句法分析和词嵌入层次聚类进行无监督关系分类，从社交媒体微博客帖子中提取开放域实体知识图谱，精确度超95%且优于类似流程。
Impact of Feature Selection on Micro-Text Classification
社交媒体数据集，特别是Twitter推文，在文本分类领域很受欢迎。推文是微文本（有时称为“微博”）的有价值的来源，并且已经在诸如情感分析、推荐系统、垃圾邮件检测、聚类等领域中被研究。推文通常包括被称为“主题标签”的关键字，这些关键字可以用作推文的标签。使用包含50个标签的推文，我们研究了单词与字符级别的特征选择和提取对不同学习者解决多类分类任务的影响。我们表明，简单的字符级组的特征提取比简单的单词组和预处理方法，如使用波特的词干和词性（“POS”）-词形化规范化更好。
Inferring the location of authors from words in their texts
为了计算方言学或其他地理上受限制的文本分析任务，文本必须标注其作者的位置。许多文本可以通过显式标签定位，但大多数文本没有显式的位置注释。本文描述了一系列的实验，以确定如何位置标注的微博帖子可以用来学习位置指示词，然后可以用来定位博客文本和他们的作者。一个高斯分布是用来模拟的位置质量的话。我们引入位置的概念来描述方位词是如何。我们发现，建模字分布占几个位置，因此每个字的几个高斯分布，定义一个过滤器，挑选出的话与高的地方根据其本地分布的背景下，并聚集在每个文本的质心位置信息给出了最有用的结果。结果适用于瑞典语的数据。
Social Media Analysis based on Semanticity of Streaming and Batch Data
不同地区的人们所使用的语言因其口音、发音和用词而异。在这个时代，语言的分享主要通过社交媒体和博客进行。这种微帖子的每一次摆动都存在，这就需要处理这些微帖子，以便从中提取知识。知识提取根据认知科学研究的应用而有所不同。本文通过在命名实体识别和作者分析等应用中提取流数据和批数据的语义信息，进一步推进了这一研究。在命名实体识别的情况下，已经利用了单个微帖子的上下文，并且利用了位于微帖子池中的上下文来标识那些微帖子的作者的社交方面。在这项工作中，条件随机场已被用来做实体识别，并提出了一种新的方法来找到作者的社会方面（性别，年龄组）。
Towards a resource for multilingual lexicons: an MT assisted and human-in-the-loop multilingual parallel corpus with multi-word expression annotation
本研究提出AlphaMWE语料库，通过机器翻译辅助和人机协作标注多语言多词表达，旨在促进多语言词典编纂和机器翻译研究。
A Case Study of Spanish Text Transformations for Twitter Sentiment Analysis
情感分析是确定给定文本的极性的文本挖掘任务，即，它的积极性或消极性。最近，它受到了很多关注，因为人们对微博平台上的意见挖掘很感兴趣。这些新形式的文本表达提出了新的挑战，分析文本使用俚语，拼写和语法错误，等等。除了这些挑战，一个实用的情感分类器应该能够有效地处理大的工作负载。这项研究的目的是确定哪些文本转换（词形化，词干提取，实体删除等），标记器（例如，单词$n$ -gram），以及标记加权方案对在两个西班牙语语料库上训练的分类器（支持向量机）的准确性影响最大。所使用的方法是详尽地分析文本转换及其各自参数的所有组合，以找出最佳性能分类器的共同特征。此外，在不同的文本转换研究，我们介绍了一种新的方法的基础上相结合的基于单词的$n$ -gram和字符的$q$ -gram。结果表明，这种新颖的词和字符的组合产生的分类器，优于传统的基于词的组合$11.17\%$和$5.62\%$在INEGI和TASS'15数据集，分别。
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈
发表机构由 AI 从论文文本抽取，如发现错误，欢迎反馈修正建议。