Twitter Hash Tag Recommendation
University of Minnesota（明尼苏达大学）
Twitter等微博客服务的普及导致了内容注释策略（如hashtag）的使用增加。主题标签为用户提供了一种标记机制，以帮助组织，分组和创建其帖子的可见性。这是一个简单的想法，但在实践中对用户来说可能是一个挑战，这会导致不频繁的使用。在本文中，我们将研究在创建新帖子时推荐标签的各种方法，以鼓励更广泛的采用和使用。标签推荐带来了许多挑战，包括处理大量的流数据和小而嘈杂的内容。我们将研究预处理方法来减少数据中的噪声，并基于流行的分类算法确定一种有效的主题标签推荐方法。
2015-01-31 cs.IR cs.LG
From Fully Supervised to Zero Shot Settings for Twitter Hashtag Recommendation
Samsung R&D Institute India - Bangalore（三星印度研发研究院-班加罗尔）
我们提出了一个全面的端到端的Twitter标签推荐系统的管道，包括数据汇集，监督训练设置和zero shot训练设置。在监督训练环境中，我们提出并比较了各种深度学习架构的性能，即卷积神经网络（CNN），递归神经网络（RNN）和Transformer网络。然而，收集所有可能的主题标签的数据并在其上训练分类器模型是不可行的。为了克服这一限制，我们提出了一个零样本学习（ZML）范式，通过学习推文的语义空间和标签的嵌入空间之间的关系来预测看不见的标签标签。我们评估了各种最先进的语义嵌入方法，如语义嵌入的凸组合（ConSE），令人尴尬的简单零样本学习（ESWL）和深度嵌入模型零样本学习（DEM-EML）用于标签推荐任务。我们展示了推荐看不见的主题标签的方法的有效性和可扩展性。据我们所知，这是迄今为止针对推文文本中看不见的主题标签推荐的第一次定量评估。
2019-06-11 cs.CL cs.IR cs.LG
EmTaggeR: A Word Embedding Based Novel Method for Hashtag Recommendation on Twitter
IBM Research India（IBM印度研究院）；Indian Institute of Technology（印度理工学院）；Netaji Subhas Institute of Technology（内塔吉·苏巴斯理工学院）
主题标签推荐问题解决了基于帖子的内容和上下文来推荐（建议）一个或多个主题标签以显式地标记在给定社交网络平台上做出的帖子。在这项工作中，我们提出了一种新的方法来推荐微博帖子，特别是Twitter的标签。该方法EmTaggeR建立在一个训练测试框架之上，该框架建立在词嵌入的概念之上。训练阶段包括学习与每个主题标签相关联的词向量，以及导出每个主题标签的词嵌入。我们提供了两个训练过程，其中一个是用适用于该主题标签上下文的单独的词嵌入模型来训练每个主题标签，另一个是每个主题标签从全局上下文中获得其嵌入。测试阶段包括计算测试帖子的平均词嵌入，并找到该嵌入与主题标签的已知嵌入的相似性。提取包含最相似的主题标签的推文，并根据嵌入相似性得分对这些推文中出现的所有主题标签进行排名。出现在这个排名列表中的前K个主题标签，被推荐用于给定的测试帖子。我们的系统产生的F1分数为50.83%，比LDA基线提高了约6.53倍，优于文献中已知的性能最好的系统，提供了6.42倍的提升。EmTaggeR是一个快速，可扩展和轻量级的系统，这使得它在现实生活中的应用程序部署。
2017-12-05 cs.CL cs.IR cs.SI
Be In The Know: Connecting News Articles to Relevant Twitter Conversations
在数据驱动的新闻时代，数据分析可以提供工具来支持记者连接到新的和正在发展的新闻故事，例如，这一点在Twitter等微博上得到了回应，Twitter是一种新的公民驱动媒体。在本文中，我们提出了一个框架，用于跟踪和自动连接新闻文章的Twitter对话，捕捉Twitter的主题标签。例如，这样一个系统可以提醒记者注意Twitter上有很多反应的新闻，这样他们就可以调查这些对话，了解故事的新发展，将他们的文章推广给一组感兴趣的消费者，或者发现对故事的普遍看法。然而，将文章映射到适当的主题标签非常具有挑战性，因为文章与推文中使用的语言风格不同、新闻和推文的流媒体方面以及将某些推文术语标记为主题标签时的用户行为。作为一个案例研究，我们持续跟踪爱尔兰时报新闻文章的RSS提要和一个集中的Twitter流在两个月的时间内，并提出了一个系统，根据其Twitter的回声，为每篇文章分配标签。我们提出了一种机器学习方法来对文章标签对进行分类和排名。我们的实证研究表明，我们的系统提供了高精度的这项任务。
2014-05-13 cs.IR cs.SI physics.soc-ph
Hashtag-centric Immersive Search on Social Media
社会化媒体信息分布在不同的在线社交网络中。本文解决了整合跨OSN信息以促进沉浸式社交媒体搜索体验的问题。我们利用hashtag，这是广泛用于注释和组织多模态项目在不同的OSN，作为信息聚合和组织的桥梁。提出了一个三阶段的解决方案框架，用于主题标签表示，聚类和演示。给定一个事件查询，来自三个OSN（Twitter、Flickr和YouTube）的相关项目被组织在集群-主题标签-项目层次结构中以供显示。通过对数百个趋势事件查询的定性和定量实验，验证了该解决方案的有效性。
2017-06-02 cs.IR
Unsupervised Hashtag Retrieval and Visualization for Crisis Informatics
在Twitter这样的社交媒体中，标签携带了大量的语义信息，可以很容易地与正文区分开来。以有意义的方式探索和可视化标签空间可以为数据集提供重要的见解，特别是在危机情况下。在这篇演示论文中，我们提出了一个功能原型HashViz，它摄取了在危机情况（如拉斯维加斯枪击案）之后收集的推文语料库，并使用fastText技巧包语义嵌入算法（来自Facebook Research）将单词和标签嵌入到向量空间中。以这种方式获得的主题标签向量可以使用2D中的t-SNE降维算法来可视化。虽然存在多个Twitter可视化平台，但HashViz的特点是简单，可扩展，交互性和便携性，足以在任意灾难后收集数百万条推文语料库，而无需特殊用途的安装，技术专业知识，人工监督或昂贵的软件或基础设施投资。虽然简单，我们表明，HashViz提供了一种直观的方式来总结，并深入了解，一个发展中的危机情况。HashViz也是完全无监督的，不需要手动输入就可以从原始语料库到可视化和搜索界面。使用最近的拉斯维加斯大规模枪击事件作为案例研究，我们说明了HashViz在客户端仅使用Web浏览器的潜力。
2018-01-18 cs.IR
Unleashing the Power of Hashtags in Tweet Analytics with Distributed Framework on Apache Storm
Twitter是一个流行的社交网络平台，用户可以在其中交互和发布多达280个字符的文本，称为推文。主题标签，推文中的超链接词，对推文检索和搜索越来越重要。使用主题标签进行推文主题分类是一个具有挑战性的问题，因为随着主题标签的使用不断发展，短推文中的单词、俚语、缩写和表情符号之间的上下文依赖性。由于Twitter每天生成数百万条推文，推文分析是大数据流的基本问题，通常需要实时分布式处理。本文提出了一种分布式的在线方法来推文主题分类与hashtags。在Apache Storm（一个分布式实时的框架）上实现，我们的方法增量地识别和更新朴素贝叶斯模型中的一组强预测器，用于对每个传入的tweet实例进行分类。初步的实验结果表明，高达97%的准确性和37%的吞吐量增加八个处理器的前景。
2018-12-04 cs.DC cs.IR cs.SI
Twitter Opinion Topic Model: Extracting Product Opinions from Tweets by Leveraging Hashtags and Sentiment Lexicon
ANU & NICTA（澳大利亚国立大学与NICTA）；Monash University（莫纳什大学）
基于属性的意见挖掘被广泛应用于对数据进行汇总或归纳，目前的最新研究成果是基于潜在狄利克雷分配（LDA）模型。虽然像tweet这样的社交媒体数据充满了意见，但它们的“肮脏”性质（作为自然语言）阻碍了研究人员将基于LDA的意见模型应用于产品评论挖掘。推文通常是非正式的，非结构化的，缺乏分类和评级等标记数据，这使得产品意见挖掘具有挑战性。在本文中，我们提出了一个基于LDA的意见模型命名为Twitter的意见主题模型（TOTM）的意见挖掘和情感分析。TOTM在其发现过程中利用了推文中存在的主题标签、提及、表情符号和强烈情感词。它通过直接对目标-意见交互进行建模来改进意见预测，从而发现目标特定的意见词，这在现有方法中被忽略了。此外，我们提出了一个新的配方，将情感先验信息的主题模型，利用现有的公众情绪词典。这是新颖的，因为它可以学习和更新数据。我们进行了实验，900万电子产品的推文，并证明了改进的性能TOTM在定量评价和定性分析。我们表明，基于方面的意见分析大量的推文提供了有用的意见，产品。
2016-09-21 cs.CL cs.IR cs.LG
Twitter-Network Topic Model: A Full Bayesian Treatment for Social Network and Text Modeling
ANU（澳大利亚国立大学）；NICTA（澳大利亚国家信息通信技术研究院）
Twitter的数据非常嘈杂--每条推文都很短，没有结构，语言也不正式，这对当前的主题建模来说是一个挑战。另一方面，推文伴随着额外的信息，如作者，标签和用户追随者网络。利用这些额外的信息，我们提出了Twitter网络（TN）的主题模型，共同建模的文本和社会网络在一个完整的贝叶斯非参数的方式。TN主题模型采用分层泊松-狄利克雷过程（PDP）的文本建模和高斯过程随机函数模型的社会网络建模。我们表明，TN主题模型显着优于现有的几个非参数模型，由于其灵活性。此外，TN主题模型能够实现额外的信息推理，例如作者的兴趣，主题标签分析，以及导致进一步的应用，例如作者推荐，自动主题标签和主题标签建议。注意，我们的一般推理框架可以很容易地应用到其他主题模型嵌入PDP节点。
2016-09-22 cs.CL cs.IR cs.SI
Semantifying Twitter: the influenceTracker ontology
在本文中，我们提出了一个本体模式对语义提供Twitter的社会分析。本体部署在一个公开的服务，衡量如何影响一个Twitter帐户，结合其社会活动和互动在Twittersphere。除了有影响力的数量和质量指标外，该服务还提供了一个SPARQL端点，用户可以在语义图上通过RDF化的Twitter实体（提及，回复，主题标签，照片，URL）执行高级语义查询。
2014-09-12 cs.IR cs.SI
Hit ratio: An Evaluation Metric for Hashtag Recommendation
The University of Western Australia（西澳大学）
标签推荐是一项至关重要的任务，特别是在过去十年中，人们对使用Twitter等社交媒体平台的兴趣越来越大。主题标签推荐系统在用户写推文时自动向用户推荐主题标签。主题标签推荐领域的大多数研究都使用命中率、精确度、召回率和F1分数等经典指标来衡量主题标签推荐系统的准确性。这些指标基于推荐的主题标签与其相应的地面实况的精确匹配。然而，目前尚不清楚这些指标是否足以评估标签推荐。我们有兴趣寻求答案的研究问题是：当推文中的地面真实标签数量变化很大时，这些指标是否足以评估标签推荐系统？在本文中，我们提出了一个新的度量，我们称之为命中率的标签推荐。通过假设的例子和在一系列标签推荐模型中的实际应用进行的广泛评估表明，命中率是一个有用的指标。通过与经典评价指标的比较，揭示了它们的局限性。
2020-10-03 cs.IR cs.LG
Friend Recommendation based on Hashtags Analysis
社交网络包括出于个人或职业目的而不断寻找新关系的数百万用户。社交网站基于关系特征和内容信息推荐好友。每天分享的信息中有很大一部分是通过标签传播的。现有的基于内容的推荐系统在推荐新朋友时都没有使用主题标签的语义。目前，主题标签被认为是字符串，而不考虑它们的含义。社交网站将共享完全相同的标签的人聚集在一起，并且在语义上从不接近。我们认为标签包含了一些人的兴趣。在本文中，我们提出了一个框架，展示了推荐系统如何从标签中受益，以丰富用户的个人资料。该框架由三个主要部分组成：（1）基于共享主题标签构建用户档案，（2）计算档案之间语义相似度的匹配方法，（3）使用聚类技术对语义相近的用户进行分组。该框架已在斯坦福大学大型网络数据集集合的Twitter数据集上进行了测试，该数据集由81306个配置文件组成。
2020-03-07 cs.IR cs.SI
Language in Our Time: An Empirical Analysis of Hashtags
CISPA Helmholtz Center for Information Security（CISPA亥姆霍兹信息安全中心）
在线社交网络中的主题标签在过去五年中获得了极大的普及。由此产生的大量数据为现代社会提供了一个新的视角。此前，研究人员主要依靠从Twitter收集的数据来研究某种类型的标签或标签的某种属性。在本文中，我们对Instagram上共享的标签进行了首次大规模的实证分析，Instagram是标签共享的主要平台。本文从时空维度、语义维度和社会维度三个不同的维度对话题标签进行研究。在三个大规模数据集上进行的广泛实验总共有超过700万个标签，提供了一系列有趣的观察结果。首先，我们发现标签的时间模式可以分为四个不同的集群，人们倾向于在某些地方分享更少的标签，而在其他地方分享更多的标签。其次，我们观察到，一个不可忽略的比例的标签表现出大的语义位移。我们证明了在用户之间更均匀地共享的主题标签，如由建议的主题标签熵量化的，不太容易发生语义位移。最后，我们提出了一个二分图嵌入模型来总结用户的主题标签配置文件，并依靠这些配置文件来执行友谊预测。评估结果表明，我们的方法实现了有效的预测，AUC（ROC曲线下面积）高于0.8，这表明了标签中具有的强烈社会信号。
2019-05-11 cs.IR cs.LG cs.SI
Detecting Anti-vaccine Content on Twitter using Multiple Message-Based Network Representations
本文基于 Twitter 的引用转发、提及和回复互动构建多种网络表示，结合全局与局部网络指标进行二分类，实现了对反疫苗争议术语的高准确率检测。
2024-02-28 cs.IR cs.SI
Optimizing Search API Queries for Twitter Topic Classifiers Using a Maximum Set Coverage Approach
Twitter已经发展成为获取有关重大事件和动态主题的即时信息的重要平台。作为一个例子，最近的工作表明，训练用于检测Twitter上的主题内容的分类器可以推广到远远超出训练数据的范围。由于对Twitter数据的访问隐藏在有限的搜索API之后，因此（对于大多数用户）不可能将这些分类器直接应用于Twitter未过滤的数据流（“firehose”）。相反，应用程序必须首先决定通过搜索API检索什么内容，然后再使用主题分类器过滤该内容。因此，以最小化检索到的负面分类数据量的方式相对于预期的主题分类器查询Twitter API是至关重要的。在本文中，我们提出了一系列的查询优化方法，概括的最大覆盖问题的概念，找到的API限制内的查询条件，覆盖大多数的主题相关的推文，而不牺牲精度的子集。我们在2013年和2014年收集的Twitter数据的大型数据集上评估了所提出的方法，这些数据使用手动策划的八个主题的标签进行标记。在许多见解中，我们的分析表明，所提出的方法中最好的方法在精度和F1分数上可以显着优于firehose，同时在严格的API限制内实现高召回率。
2020-01-25 cs.IR
Hunting for Spammers: Detecting Evolved Spammers on Twitter
曾经是电子邮件问题的垃圾邮件，如今已经扩展到新的领域，产生了破坏性的影响。特别地，近年来垃圾邮件已经确立了其自身作为在线社交网络的无处不在、令人讨厌并且有时具有威胁性的方面。由于垃圾邮件的普遍存在，许多著作都从不同的角度对Twitter上的垃圾邮件进行了研究。然而，垃圾邮件是一个移动的目标。Twitter上的新一代垃圾邮件发送者已经演变成不容易被旧的检测系统识别的在线生物。随着强大的垃圾邮件社区，自动tweeting脚本，以及以微不足道的成本大量创建Twitter帐户的能力，Twitter上的垃圾邮件变得更加智能，模糊和难以检测。我们自己对沙特阿拉伯阿拉伯语趋势标签上的垃圾邮件内容进行了分析，结果估计约占总生成内容的四分之三。这种惊人的速度使得自适应垃圾邮件检测技术的发展成为一个非常现实和迫切的需要。在本文中，我们分析了沙特Twitter上趋势标签的垃圾邮件内容，并评估了我们最近收集的数据集上以前的垃圾邮件检测系统的性能。由于新的垃圾邮件账户的特征是不断升级的操纵，简单的手动标记目前会导致不准确的结果。为了获得可靠的地面实况数据，我们提出了一种更新的手动分类算法，避免了旧的手动方法的不足。我们还适应以前提出的功能，以应对垃圾邮件规避技术，并使用这些功能来建立一个新的数据驱动的检测系统。
2015-12-15 cs.CR cs.CY cs.IR
"TL;DR:" Out-of-Context Adversarial Text Summarization and Hashtag Recommendation
DePaul University（德保罗大学）
本文介绍了断章取义的摘要，一个工具，采取任意公共新闻文章断章取义，总结他们连贯地适合自由或保守倾向的议程。Out-of-Context Summarizer还建议使用hashtag关键字来支持摘要的两极分化，以防有人倾向于将其带到Twitter，Parler或其他平台进行拖钓。Out-of-Context Summarizer在总结COVID-19文章时实现了79%的准确率和99%的召回率，在总结以政治为中心的文章时实现了93%的准确率和93%的召回率，在断章取义时实现了87%的准确率和88%的召回率。总结有效的来源，而不是合成虚假的文本，Out-of-Context Summarizer可以公平地通过“对抗性披露”测试，但我们在论文中没有采取这种简单的方法。相反，我们使用了Out-of-Context Summarizer来推动关于自动文本生成的潜在滥用的辩论，超越了对抗性语言模型的负责任披露的样板文本。
2021-04-01 cs.CL cs.CR cs.IR
A comparative study of Bot Detection techniques methods with an application related to Covid-19 discourse on Twitter
在在线社交网络（OSN）成为我们生活的一部分的时代，机器人检测是一项必不可少的资产。这一任务在危机中变得更加相关，例如新冠肺炎疫情，其中存在社交机器人扩散的初期风险，可能会产生错误信息。为了解决这个问题，它已经比较了不同的方法来自动检测Twitter上使用数据选择社交机器人。用于详细说明机器人检测模型的技术包括利用Twitter帐户的推文元数据或数字指纹等特征。此外，还使用最适合任务范围的机器人检测技术，分析了2019冠状病毒病大流行最初几个月不同时期推文中机器人的存在情况。此外，这项工作还包括对机器人和人类话语方面的分析，例如情感或标签利用率。
2021-02-01 cs.IR cs.SI
SCG: Spotting Coordinated Groups in Social Media
最近的事件导致人们越来越意识到滥用社交媒体网站来影响政治事件，动摇公众舆论和混淆选民。这种严重的恶意大规模操纵激发了大量关于机器人/巨魔检测和假新闻检测的工作，这些工作主要集中在基于用户生成的内容在用户级别进行分类。在这项研究中，我们共同分析了用户之间的连接，以及由他们产生的内容，以现场协调组（SCG），用户集，可能会组织对影响一般的话语。考虑到它们的规模很小（相对于整个数据），检测这些组在计算上很困难。我们提出的方法有效地检测这些微小的集群。我们部署了SCG方法来总结和解释2019年加拿大联邦选举期间Twitter上的协调团体，分析了超过6万个用户账户，其中有340万个关注者连接，以及他们推文内容中的130万个独特标签。检测到的协调组中的用户被暂停的可能性超过4倍，而表征其信条的主题标签与错误信息活动有关。
2020-09-02 cs.IR cs.SI
Effect of Text Processing Steps on Twitter Sentiment Classification using Word Embedding
Tennessee State University（田纳西州立大学）；Old Dominion University（欧道明大学）
原始文本的处理是文本分类和情感分析中至关重要的第一步。然而，文本处理步骤通常使用现成的例程和预构建的单词词典来执行，而不针对域、应用和上下文进行优化。本文研究了七种文本处理方案对特定文本域（Twitter）和应用程序（情感分类）的影响。基于跳过语法的词嵌入被开发为包括Twitter口语词、表情符号和主题标签关键词，这些关键词通常由于在传统文学语料库中不可用而被移除。我们的实验揭示了两个常见的文本处理步骤对情感分类的负面影响：1）停止词去除和2）平均词向量来表示单个推文。新的有效步骤1）包括非ASCII表情符号字符，2）从词嵌入中测量词的重要性，3）将词向量聚合到推文嵌入中，以及4）开发线性可分离的特征空间，以优化情感分类管道。文本处理步骤的最佳组合在对具有三个情感标签的14，640条推文进行分类时产生最高的平均曲线下面积（AUC）88.4（+/-0.4）。从上下文驱动的词嵌入中进行的词选择显示，只有推文中最重要的十个词累积产生超过98%的最大准确率。结果表明，数据驱动的选择的重要的话，而不是使用预先建立的单词词典的推文分类的手段。所提出的推文嵌入对几个文本处理步骤是鲁棒的，并且简化了对几个文本处理步骤的需要。
2020-07-25 cs.CL cs.IR cs.LG
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
