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
A Comprehensive Analysis of Twitter Trending Topics
Sharif University of Technology（谢里夫理工大学）
在Twitter中，一个名字、短语或主题被提及的频率高于其他人，被称为“趋势主题”或简称为“趋势”。Twitter的趋势列表具有强大的能力，可以促进公共事件，如自然事件，政治丑闻，市场变化和其他类型的突发新闻。然而，很少有作品关注这些趋势主题的动态。在这篇文章中，我们深入研究了2018年Twitter的热门话题。为此，我们自动访问Twitter的趋势API，并将结果存储在一个新的数据集中的50个热门话题。我们根据六个标准提出并分析我们的数据集：词法分析，到达时间，趋势重现，趋势时间，推文计数和语言分析。根据我们的结果，进入前10名的主题中有77.6%的主题趋势少于10万条。超过50%的话题无法坚守阵地超过一个小时。英语和阿拉伯语分别占第一级主题的近40%和20%。
2020-08-28 cs.CL cs.IR cs.SI
Leveraging Natural Language Processing to Mine Issues on Twitter During the COVID-19 Pandemic
Wright State University（莱特州立大学）
最近全球爆发的冠状病毒病（COVID-19）已蔓延至全球各个角落。国际旅行禁令、恐慌性购买和自我隔离的需要是这个新时代带来的许多其他社会挑战之一。Twitter平台已被用于各种公共卫生研究，以确定当地和全球范围内对事件的公众意见。为了了解公众对大流行病的关注和反应，需要一个能够利用机器学习技术过滤掉不相关的推文并识别Twitter等社交媒体平台上讨论的重要话题的系统。在这项研究中，我们构建了一个系统来识别2020年1月1日至2020年4月30日期间与COVID-19大流行相关的推文，并探索了主题建模，以识别我们数据集中在此期间讨论最多的主题和主题。此外，我们还分析了与此次大流行期间发生的事件相关的主题的时间变化。我们发现八个主题足以识别我们语料库中的主题。这些主题描绘了一个时间趋势。主要议题随时间而变化，并与COVID-19疫情相关事件一致。
2020-11-03 cs.IR cs.LG cs.SI
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
Investigating Dissemination of Scientific Information on Twitter: A Study of Topic Networks in Opioid Publications
评估科学研究价值的一种方法是衡量它在社交媒体上受到的关注。虽然以前的研究主要集中在社交媒体上科学研究的“提及次数”，但目前的研究应用“主题网络”来衡量公众对Twitter上科学研究的关注。主题网络是学术出版物中共同出现的作者关键字网络和提到这些学术出版物的推文中共同出现的主题标签网络。这项研究调查了阿片类学术出版物中的哪些主题在Twitter上受到了公众的关注。此外，它还调查了所有账户（机器人和非机器人账户）发布的出版物生成的主题网络是否与非机器人账户生成的主题网络不同。我们的分析基于2011年至2019年的一组阿片类药物学术出版物以及与之相关的推文。我们使用共现网络分析来生成主题网络。结果表明，Twitter用户大多使用通用术语来讨论阿片类药物出版物，如“阿片类药物”，“疼痛”，“成瘾”，“治疗”，“镇痛剂”，“滥用”，“过量”和“疾病”。“结果证实，主题网络提供了一种合法的方法来可视化与健康相关的学术出版物的公开讨论，以及Twitter用户如何与科学界不同地讨论与健康相关的科学研究。基于所有帐户和非机器人帐户的推文的主题网络之间存在大量重叠。这个结果表明，可能没有必要排除生成主题网络的机器人帐户，因为它们对结果的影响可以忽略不计。
2021-09-02 cs.DL cs.IR cs.SI
BLM-17m: A Large-Scale Dataset for Black Lives Matter Topic Detection on Twitter
Carbon Consulting（碳咨询公司）；Koc University（科奇大学）；Ultimate（Ultimate公司）；Northwestern Polytechnical University（西北工业大学）；Nanyang Technological University（南洋理工大学）
针对乔治·弗洛伊德事件，构建了包含1700万条推文的大规模标注数据集BLM-17m，并评估了TF-IDF与LDA在话题检测中的性能。
2023-10-17 cs.CL cs.IR cs.LG
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
Using machine learning and information visualisation for discovering latent topics in Twitter news
我们提出了一种方法来发现潜在的主题和可视化的大型集合的推文，易于识别和解释的主题，并在2014年至2019年期间，从哥伦比亚大众媒体巨头的推文使用。潜在主题分析以两种方式进行：训练潜在Dirichlet分配模型，并结合FastText无监督模型将推文表示为向量，并实施K-means聚类将推文分组为主题。使用分类任务，我们发现人们根据不同的新闻主题做出不同的反应。分类任务包括以下内容：给定对新闻推文的回复，我们训练一个监督算法来预测新闻推文的主题。此外，我们还展示了哥伦比亚和平条约如何对哥伦比亚社会产生了深远的影响，因为这是大多数人参与表达意见的主题。
2019-10-21 cs.IR cs.SI
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
Topical Stance Detection for Twitter: A Two-Phase LSTM Model Using Attention
IBM Research（IBM研究院）；NSIT（Netaji Subhas Institute of Technology）；IIT（印度理工学院）
主题立场检测问题解决了检测文本内容相对于给定主题的立场：给定文本内容的情感是否对给定主题有利（积极），反对（消极）或无（中性）。使用注意力的概念，我们开发了一个两阶段的解决方案。在第一阶段，我们对主观性进行分类--一条给定的推文对于给定的主题是中立的还是主观的。在第二阶段，我们对主观推文的情感进行分类（忽略中性推文）-给定的主观推文是否对主题持赞成或反对的立场。我们为每个阶段提出了一个基于长短期记忆（LSTM）的深度神经网络，并在每个阶段嵌入注意力。在SemEval 2016立场检测Twitter任务数据集上，我们获得了68.84%的最佳情况宏F分数和60.2%的最佳情况准确率，优于现有的基于深度学习的解决方案。我们的框架T-PAN是主题立场检测文献中的第一个，它在两阶段架构中使用了深度学习。
2018-01-09 cs.CL cs.IR cs.SI
Discovering Users Topic of Interest from Tweet
如今，社交媒体已经成为人们在网上最大的聚会之一。各行业有很多方法透过广告向公众宣传其产品。广告的种类正在急剧增加。商人是如此依赖于广告，显着它真的带来了成功，在市场上，因此实行的主要行业。因此，公司正在努力通过在线广告吸引社交网络上的客户的注意力。最受欢迎的社交媒体之一是Twitter，它因名为Tweet的短文本共享而流行。这里的人用基本信息创建他们的个人资料。为了确保广告显示给相对的人，Twitter根据语言，性别，兴趣，追随者，设备，行为，定制的受众，关键字和地理定位来定位人们。Twitter根据用户在Twitter上的活动生成兴趣集。我们的框架所做的是从给定的推文列表中确定感兴趣的主题（如果有的话）。这个过程被称为实体相交分类值（EICV）。每个类别主题生成一组与该主题相关的单词或短语。通过关键字生成和使用Twitter API的Twitters数据处理推文来创建实体集。实体的值与类别集合相匹配。如果它们超过阈值，则其导致与期望的兴趣类别匹配的类别。对于较小的数据量，结果表明，我们的框架具有更高的准确率。
2018-03-10 cs.CY cs.IR
TwiInsight: Discovering Topics and Sentiments from Social Media Datasets
Singapore Institute of Technology（新加坡理工学院）；Data Storage Institute, A*STAR（新加坡科技研究局数据存储研究院）；University of Glasgow（格拉斯哥大学）
社交媒体平台包含了大量的信息，为我们提供了探索隐藏模式或未知相关性的机会，并了解人们对他们正在讨论的内容的满意度。作为一个展示，在本文中，我们提出了一个系统，TwiInsight探索Twitter数据的洞察力。与其他Twitter分析系统不同，TwiInsight自动提取不同类别下的热门话题（例如，医疗保健、食品、技术、体育和交通），并识别不同类别之间的相关主题。此外，它还通过情感分析发现人们对推文和主题的意见。该系统还采用直观和信息可视化来显示未发现的洞察力。此外，我们还开发和比较六个最流行的算法-三个情感分析和三个主题建模。
2017-05-23 cs.CL cs.IR
Semantic Annotation for Microblog Topics Using Wikipedia Temporal Information
微博（如Twitter）中的热门话题是了解现实世界事件社会方面的宝贵资源。为了能够深入分析这些趋势，语义标注是一种有效的方法，但微博热门话题的注释问题在很大程度上是未被研究界探索。在这项工作中，我们解决的问题，从维基百科的实体映射趋势的Twitter主题。我们提出了一个新的模型，补充传统的基于文本的方法，奖励实体表现出高的时间相关性与主题在其突发时间段。通过利用维基百科编辑历史和页面浏览日志中的时间信息，与竞争基线相比，我们将注释性能提高了17- 28%。
2017-01-14 cs.IR
COVID-19 Twitter Dataset with Latent Topics, Sentiments and Emotions Attributes
本文描述了一个关于人们在Twitter平台上对COVID-19大流行的话语和反应的大型全球数据集。自2020年1月28日至2022年6月1日，我们收集并处理了超过2900万名独立用户使用四个关键词“corona”、“wuhan”、“nCov”和“covid”发布的超过2. 52亿条Twitter帖子。利用概率主题建模和预先训练的基于机器学习的情感识别算法，我们用17个属性标记每条推文，包括a）10个二进制属性，指示推文与前10个检测到的主题的相关性（1）或不相关性（0），b）5个定量情感属性，指示效价或情感的强度程度（从0：极度消极到1：极度积极）和恐惧、愤怒、悲伤和快乐情绪的强度程度（从0：完全没有到1：非常强烈），以及c）指示情绪的两个分类属性（非常消极，消极，中性或混合，积极，非常积极）和主要情绪（恐惧，愤怒，悲伤，快乐，没有具体的情绪）。我们讨论的技术有效性，并报告这些属性的描述性统计，其时间分布和地理代表性。本文最后讨论了数据集在通信，心理学，公共卫生，经济学和流行病学中的使用。
2022-06-25 cs.CL cs.IR
Sub-Story Detection in Twitter with Hierarchical Dirichlet Processes
社交媒体现在已经成为现实世界事件的事实上的信息源。然而，由于社交媒体流的高容量和速度性质，挑战在于如何随着时间的推移跟踪与给定事件有关的所有帖子，这是一项称为故事检测的任务。此外，通常有几个不同的故事属于一个给定的事件，我们称之为子故事和相应的任务，他们的自动检测子故事检测。本文提出了层次狄利克雷过程（HDP），概率主题模型，作为一种有效的方法自动子故事检测。HDP可以学习与子故事相关联的子主题，这使得它能够处理子故事中的微妙变化。它是比较国家的最先进的故事检测方法的基础上局部敏感哈希和谱聚类。我们展示了优越的性能HDP子故事检测真实世界的Twitter数据集，使用各种评估措施。HDP学习子主题的能力有助于它以高精度回忆子故事。本文的另一个贡献是证明了Twitter流中的会话结构可以用来显着提高子故事检测性能。
2016-06-11 cs.IR cs.SI
Smart Crawling: A New Approach toward Focus Crawling from Twitter
CentraleSupélec（中央高等电力学院）；Paris-Saclay University（巴黎萨克雷大学）；LRI（巴黎第十一大学计算机科学实验室）
Twitter是一个社交网络，提供了丰富而有趣的信息来源，具有检索和分析的挑战性。Twitter数据可以使用REST API访问。可用的操作允许基于一组关键字检索tweets，但有限制，例如每分钟调用的次数和结果的大小。此外，对检索结果没有控制，查找与特定主题相关的推文是一个大问题。考虑到这些限制，查询关键字必须明确地覆盖感兴趣的主题，以便获得相关答案并减少API调用的数量。在本文中，我们介绍了一种新的爬行算法，称为“SmartTwitter爬行”（STIC）检索一组相关的目标主题的推文。在该算法中，我们采用初始关键字查询，并使用来自不同数据源的一组附加关键字来丰富它。STIC算法依赖于Twittergraph中的DFS搜索，其中每个到达的tweet如果与查询关键字相关，则使用评分来考虑，在整个爬行过程中更新。该评分考虑了推文文本、主题标签以及发布推文、回复推文、在推文中被提及或转发推文的用户。给定这个分数，STIC能够在每次迭代中选择相关的推文，并继续添加相关的有价值的推文。对不同类型的查询进行了实验，结果表明，与简单的BFS搜索相比，该算法的查准率有所提高。
2021-10-08 cs.AI cs.IR cs.LG
Analysing Russian Trolls via NLP tools
2016年美国第58届总统大选至今仍引发激烈争议。一部分政治家、媒体和选民认为，俄罗斯政府通过控制推特上的恶意社交媒体账户，如巨魔和机器人账户，干预了2016年的选举。因此，本文将重点分析2016年俄罗斯大选的一些twitter数据集，使用NLP方法，寻找俄罗斯政府是否干预大选的一些有趣模式。我们在给定的twitter数据集上应用主题模型提取一些感兴趣的主题并分析其含义，然后实现有监督的主题模型来检索主题与左troll或右troll类别之间的关系并分析其模式，另外我们还将进行情感分析来分析tweet的态度。情感分析从感兴趣的主题中提取典型的推文后，提供了判断推文是否支持该主题的能力。在综合分析和评价的基础上，我们发现了数据集有趣的模式以及一些有意义的主题。
2019-11-11 cs.CY cs.IR
TwiSent: A Multistage System for Analyzing Sentiment in Twitter
在本文中，我们提出了TwiSent，一个情感分析系统的Twitter。根据搜索的主题，TwiSent收集与之相关的推文，并将其分类为积极，消极和客观的不同极性类别。然而，与其他文本类型相比，分析微博帖子有许多固有的挑战。通过TwiSent，我们解决了以下问题：1）Twitter中与情感分析有关的垃圾邮件，2）文本中的结构异常，如拼写错误、不标准的缩写、俚语等，3)主题语境中的实体特异性; 4）语篇中的语用学。该系统的性能进行了评估手动注释的黄金标准数据和自动注释的推文集的基础上的标签。在自动注释的数据集上显示监督系统的有效性是一种常见的做法。然而，我们表明，这样的系统实现较低的分类精度时，测试通用twitter数据集。我们还表明，我们的系统比现有的系统表现得更好。
2012-09-18 cs.CL cs.IR
Analyzing users' sentiment towards popular consumer industries and brands on Twitter
Lithium Technologies | Klout
社交媒体是一个统一的平台，让用户表达他们对从日常生活到消费品牌和产品的看法等主题的想法。这些用户在塑造其他消费者的意见方面发挥着巨大的影响力，并影响品牌认知，品牌忠诚度和品牌宣传。在本文中，我们分析了1900万Twitter用户对62个热门行业的意见，包括12,898个企业和消费者品牌，以及相关的主题，通过情感分析的3.3亿推文在一个月的时间跨度。我们发现用户往往对制造业最为积极，而对服务业最为消极。此外，他们在与品牌互动时往往比在Twitter上更积极或消极。我们还发现，一个行业内对品牌的看法差异很大，我们使用两个行业作为用例来证明这一点。此外，我们发现，不同行业的主题情绪之间没有很强的相关性，表明主题情绪高度依赖于他们所提到的行业的背景。我们展示了这种分析的价值，以评估品牌对社交媒体的影响。我们希望这项初步研究将证明对研究人员和公司都有价值，有助于了解用户对行业，品牌和相关主题的看法，并鼓励在这一领域进行更多的研究。
2017-09-21 cs.CL cs.IR cs.SI
Using Hadoop for Large Scale Analysis on Twitter: A Technical Report
University of Patras（帕特雷大学）；Ionian University（爱奥尼亚大学）
Twitter数据上的情感分析（或意见挖掘）最近引起了广泛关注。该系统的主要特点之一是以简单、用户友好和快速的方式与其他用户进行即时通信。因此，人们倾向于自由地表达自己的感受，这使得Twitter成为一个理想的来源，可以积累大量的意见，涉及各种各样的话题。这些信息量提供了巨大的潜力，可以用来接收对这些主题的情感倾向。然而，由于没有人可以投入无限的时间来阅读这些推文，因此有必要采用自动决策方法。然而，大多数现有的解决方案仅限于集中式环境。因此，他们最多只能处理几千条推文。由于每天发布的大量推文，这样的样本不代表定义对主题的情感极性。在本文中，我们更进一步，在MapReduce框架中开发了一种新的情感学习方法。我们的算法利用推文中的主题标签和表情符号作为情感标签，并以并行和分布式的方式对不同的情感类型进行分类。此外，我们利用Bloom过滤器来压缩中间数据的存储大小，并提高我们的算法的性能。通过广泛的实验评估，我们证明了我们的解决方案是有效的，鲁棒性和可扩展性，并确认我们的情感识别的质量。
2016-02-03 cs.CL cs.DB cs.IR
