Public discourse and sentiment during the COVID-19 pandemic: using Latent Dirichlet Allocation for topic modeling on Twitter
University of Toronto(多伦多大学);University of Pittsburgh(匹兹堡大学);Chinese Academy of Sciences(中国科学院);University of Chinese Academy of Sciences(中国科学院大学)
该研究旨在了解Twitter用户对COVID-19的话语和心理反应。我们使用机器学习技术分析了从2020年1月23日至3月7日收集的约190万条与冠状病毒相关的推文(用英语撰写)。报告共列出11个重要主题,并将其分为10个主题,包括“确诊病例的最新情况”、“与COVID-19相关的死亡”、“中国以外(全球)的病例”、“韩国COVID-19疫情”、“纽约疫情的早期迹象”、“钻石公主号邮轮”、“经济影响”、”预防措施”、“当局”和“供应链”。“结果并没有显示治疗和症状相关的信息是Twitter上的流行话题。情感分析显示,对冠状病毒未知性质的恐惧在所有话题中占主导地位。最后,本文还讨论了本研究的意义和局限性。
2020-07-08 cs.CL cs.CY cs.SI
Discovering conversational topics and emotions associated with Demonetization tweets in India
Govt. College of Engineering & Ceramic Technology(政府工程与陶瓷技术学院);Indian Institute of Management Calcutta(印度管理学院加尔各答分校)
社交媒体平台包含大量信息,为我们提供了探索隐藏模式或未知相关性的机会,并了解人们对他们所讨论的内容的满意度。作为一个展示,在本文中,我们总结了与最近所有Rs的非货币化相关的Twitter消息的数据集。500卢比印度的1000个笔记,并从Twitter的数据中探索见解。我们提出的系统自动提取流行的潜在主题的对话中讨论的废钞通过潜在的Dirichlet分配(LDA)为基础的主题模型在Twitter上,还确定了相关的主题在不同的类别。此外,它还通过情绪分析器发现人们通过与正在考虑的事件相关的推文表达的意见。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,我们使用的评价措施,归一化互信息(NMI),选择最好的LDA模型。LDA结果表明,该工具可以有效地提取讨论主题,并将其汇总,以供进一步的人工分析。
2017-11-11 cs.CL
Covid-19 Discourse on Twitter: How the Topics, Sentiments, Subjectivity, and Figurative Frames Changed Over Time
University College Dublin(都柏林大学学院)
我们在社交媒体上谈论当前流行病危机时使用的词汇,可以让我们了解我们是如何对这一流行病进行概念化的,以及我们是如何对其发展作出反应的。本文提供了一个广泛的探索性分析,以了解Twitter上关于新冠肺炎的话语是如何随着时间的推移而变化的,重点是这场大流行的第一波。基于广泛的推文语料库(产生于2020年3月20日至7月1日之间),我们首先使用主题建模展示了与疫情发展相关的主题如何随时间变化。其次,我们展示了在推文中使用的语言的情感极性如何从第一次锁定期间相对积极的效价变化到与重新开放相对应的更消极的效价。第三,我们展示了推文的平均主观性是如何线性增加的,第四,当真正的骚乱和打斗进入话语时,WAR的流行和常用的比喻框架是如何变化的。
2021-03-16 cs.CL cs.SI
Twitmo: A Twitter Data Topic Modeling and Visualization Package for R
University of Göttingen(哥廷根大学);Clausthal University of Technology(克劳斯塔尔工业大学)
我们提出了Twitmo,一个软件包,提供了广泛的方法来收集,预处理,分析和可视化地理标记的Twitter数据。Twitmo使用户能够从Twitter收集地理标记的推文,并提供一个全面且用户友好的工具箱,用于从潜在狄利克雷分配(LDA),相关主题模型(CTM)和结构主题模型(STM)生成主题分布。包括文本预处理、模型构建和预测功能。此外,该软件包的创新之一是使用主题标签和余弦相似性将推文自动汇集成更长的伪文档,以实现更好的主题一致性。该软件包还具有以静态和交互方式可视化收集的数据集和拟合模型的功能,并通过LDAvis为模型可视化提供内置支持,为该领域的研究人员提供极大的便利。Twitmo软件包是一个创新的工具箱,可用于分析各种主题,政党或感兴趣的人在空间和时间的公共话语。
2022-07-08 cs.CL cs.IR cs.LG
Deep learning for COVID-19 topic modelling via Twitter: Alpha, Delta and Omicron
Indian Institute of Technology Guwahati(印度理工学院古瓦哈提分校);Fiji National University(斐济国立大学);UNSW Sydney(新南威尔士大学悉尼分校)
使用创新的深度学习方法进行主题建模,在包括COVID-19在内的广泛应用中引起了人们的兴趣。主题建模可以提供心理、社会和文化方面的见解,以了解人类在极端事件(如COVID-19大流行)中的行为。在本文中,我们使用基于深度学习的语言模型进行COVID-19主题建模,同时考虑到从出现(Alpha)到Omicron变体的数据。我们应用主题建模来回顾基于印度Twitter数据集的第一,第二和第三波公众行为。我们的研究结果显示,为随后的几波提取的主题有一定的重叠主题,如覆盖治理、疫苗接种和疫情管理,而新冠肺炎疫情期间的政治、社会和经济形势引发了新的问题。我们还发现,在各自的时间段内,主要话题与新闻媒体的流行有很强的相关性。因此,我们的框架有潜力涵盖COVID-19疫情不同阶段产生的主要问题,并可扩展至其他国家及地区。
2023-02-28 cs.CL cs.IR cs.LG
Ex-Twit: Explainable Twitter Mining on Health Data
Purdue University(普渡大学)
由于大多数机器学习模型没有为预测提供解释,因此它们的预测对人类来说是模糊的。解释模型预测的能力已经成为包括Twitter挖掘在内的许多应用程序的必需品。在这项工作中,我们提出了一种方法,称为可解释的Twitter挖掘(前Twit)结合主题建模和本地可解释的模型不可知解释(LIME)来预测的主题和解释模型的预测。我们证明了Ex-Twit在Twitter健康相关数据上的有效性。
2019-06-22 cs.AI cs.CL cs.LG
Relevance Classification of Flood-related Twitter Posts via Multiple Transformers
Department of Computer Systems Engineering, University of Engineering and Technology, Peshawar, Pakistan.(巴基斯坦白沙瓦工程与技术大学计算机系统工程系);Department of Computer Science, Munsters Technological University, Cork, Ireland.(爱尔兰科克芒斯特理工大学计算机科学系)
近年来,社会媒体作为灾害和紧急情况下的潜在通信和信息来源得到了广泛探讨。已经进行了几项有趣的灾害分析工作和案例研究,探讨自然灾害的不同方面。除了巨大的潜力之外,灾难分析还面临着一些挑战,主要是由于社交媒体内容的性质。在本文中,我们探讨了这样的挑战,并提出了一个文本分类框架来处理Twitter噪声数据。更具体地说,我们单独或组合使用了几个Transformers,以区分相关和不相关的Twitter帖子,获得了最高的F1分数0.87。
2023-01-01 cs.CL
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
Analyzing Self-Driving Cars on Twitter
COMSATS Institute of Information Technology(COMSATS信息技术研究所);International Islamic University(国际伊斯兰大学)
本文研究了用户对一个有争议的产品,即自动驾驶汽车的看法。为了找到人们对这项新技术的看法,我们使用了一个带注释的Twitter数据集,并使用一种称为主题建模的无监督概率模型提取了积极和消极推文中的主题。我们后来使用主题,以及语言学家和Twitter的特定功能来分类推文的情绪。关于意见,我们的分析结果表明,人们对未来技术感到乐观和兴奋,但同时他们认为它危险且不可靠。对于分类任务,我们发现Twitter的特定功能,如主题标签以及语言特征,如在分类推文的情感的顶级属性中的缩略词。
2018-04-05 cs.CL cs.LG cs.SI
An Exploratory Study of (#)Exercise in the Twittersphere
University of North Carolina at Charlotte(北卡罗来纳大学夏洛特分校);University of South Carolina(南卡罗来纳大学)
社交媒体分析使我们能够从社交媒体平台中的用户生成内容中提取、分析和建立语义。本研究采用了一种混合的方法,包括三个步骤的数据收集,主题建模和数据注释识别运动相关模式。根据研究结果,在进行数据注释过程后,86%的检测到的主题被识别为有意义的主题。讨论最多的运动相关话题是身体活动(18.7%),生活方式行为(6.6%)和节食(4%)。实验结果表明,探索性数据分析是一种实用的方法来总结不同的健康和医疗应用的文本数据的各种特征。
2018-12-08 cs.CL cs.CY stat.AP
Yoga-Veganism: Correlation Mining of Twitter Health Data
Purdue University(普渡大学)
如今,社交媒体是一个巨大的数据平台。人们通常通过讨论、推特、状态来分享他们的兴趣、想法。不可能手动检查所有数据。我们需要挖掘数据,以探索隐藏的模式或未知的相关性,找出数据中的主导主题,并通过讨论了解人们的兴趣。在这项工作中,我们探索与健康相关的Twitter数据。我们通过主题建模提取Twitter中不同类别(如饮食、运动)下的热门话题,观察模型在新推文上的行为,发现有趣的相关性(如瑜伽-素食主义)。我们通过与地面实况进行比较来评估准确性,使用手动注释训练和测试数据。
2019-06-15 cs.AI cs.CL cs.CY
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
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
SemEval-2017 Task 4: Sentiment Analysis in Twitter
IBM Research(IBM研究院);Columbia University(哥伦比亚大学);Qatar Computing Research Institute(卡塔尔计算研究所);Hamad bin Khalifa University(哈马德·本·哈利法大学)
本文介绍了第五年的情感分析在Twitter的任务。SemEval-2017任务4继续SemEval-2016任务4的一系列子任务,其中包括识别推文的整体情绪,对一个主题的情绪,以两点和五点顺序量表进行分类,以及量化多个推文中对一个主题的情绪分布:再次以两点和五点顺序量表进行分类。与2016年相比,我们做了两个变化:(i)我们为所有子任务引入了一种新的语言,阿拉伯语,(ii)我们从发布目标推文的Twitter用户的个人资料中提供信息。这项任务仍然非常受欢迎,今年共有48支队伍参加。
2019-12-02 cs.CL cs.IR cs.LG
Sentiment analysis of twitter data
Iowa State University(爱荷华州立大学)
社交网络是收集人们对不同主题的意见和情绪的主要资源,因为他们每天在社交媒体上花费数小时并分享他们的意见。在这篇技术论文中,我们展示了情感分析的应用,以及如何连接到Twitter并运行情感分析查询。我们对从政治到人性的不同查询进行了实验,并显示了有趣的结果。我们意识到,对推文的中性情绪非常高,这清楚地表明了当前作品的局限性。
2017-12-16 cs.CL cs.IR
Tweet Insights: A Visualization Platform to Extract Temporal Insights from Twitter
Cardiff University(卡迪夫大学);Snap Inc.(Snap公司);AMPLYFI(AMPLYFI公司)
本文提出Tweet Insights可视化平台,利用词嵌入和微调模型处理Twitter五年时间序列数据,支持语义变化的时间分析,并发布在线演示、代码及数据。
2023-08-04 cs.CL cs.SI
What do the US West Coast Public Libraries Post on Twitter?
University of South Carolina(南卡罗来纳大学)
Twitter为公共图书馆提供了一个很好的机会,可以为各种目的传播信息。Twitter数据已被应用于不同的领域,如健康,政治和历史。在美国有成千上万的公共图书馆,但还没有研究调查他们的社交媒体帖子的内容,如推文,以找到他们的兴趣。此外,对Twitter内容的传统内容分析对于探索数千条推文来说不是一项有效的任务。因此,需要自动方法来克服手动方法的局限性。本文提出了一种计算方法来收集和分析使用Twitter应用程序编程接口(API),并调查了超过138,000推文从48个美国西海岸图书馆使用主题建模。我们找到了20个主题,并将它们分配到五个类别,包括公共关系,书籍,活动,培训和社会公益。我们的研究结果表明,美国西海岸的图书馆更感兴趣的是使用Twitter的公共关系和图书相关的事件。本研究对图书馆及其他组织探索其客户和自身的社会化媒体活动具有实践和理论应用价值。
2018-09-28 cs.CL cs.CY stat.AP
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
SemEval-2015 Task 10: Sentiment Analysis in Twitter
Columbia University(哥伦比亚大学);National Research Council Canada(加拿大国家研究委员会);Qatar Computing Research Institute(卡塔尔计算研究所);The Ohio State University(俄亥俄州立大学);Facebook(脸书)
在本文中,我们描述了Twitter中情感分析的SemEval共享任务的2015年迭代。这是迄今为止最受欢迎的情感分析共享任务,在过去三年中,每年都有40多个团队参与。今年的共享任务竞赛由五个情绪预测子任务组成。其中两个是前几年的重播:(A)在推文背景下由短语表达的情绪,以及(B)推文的整体情绪。我们还包括三个新的子任务,要求预测(C)单个推文中对主题的情感,(D)一组推文中对主题的整体情感,以及(E)短语的优先极性程度。
2019-12-05 cs.CL cs.IR cs.LG
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
TwiSE at SemEval-2016 Task 4: Twitter Sentiment Classification
University of Grenoble-Alpes(格勒诺布尔-阿尔卑斯大学)
本文介绍了“TwiSE”团队参加SemEval 2016挑战赛的情况。具体来说,我们参与了任务4,即“Twitter中的情感分析”,为此我们为子任务A、B、C和D实现了情感分类系统。我们的方法包括两个步骤。在第一步中,我们受到之前版本此类挑战参与者工作的启发,生成并验证用于Twitter情感评估的多种功能集。在第二步中,我们专注于不同子任务的评估措施的优化。为此,我们通过验证任务组织者提供的数据来检查不同的学习策略。在我们的最终提交中,我们对子任务A使用了集成学习方法(堆叠泛化),对其余子任务使用了单一线性模型。在官方排行榜上,我们在子任务A、B、C和D中分别排名9/35、8/19、1/11和2/14。\footnote{We make the code available for research purposes at \url{https://github.com/balikasg/SemEval2016-Twitter\_Sentiment\_Evaluation}.}
2016-06-14 cs.CL cs.IR cs.LG
Twitter Data Analysis: Izmir Earthquake Case
Muğla Sıtkı Koçman University(穆拉·斯特克·科奇曼大学)
图尔基耶位于断层线上,经常发生大规模和小规模的地震。有必要找到有效的解决办法,在灾害期间收集最新信息。我们可以利用社交媒体来了解公众舆论。这种见解可以用于公共关系和灾害管理。在这项研究中,分析了2020年10月发生的伊兹密尔地震的Twitter帖子。我们质疑这种分析是否可以用来对时间进行社会推断。数据采掘和自然语言处理(NLP)的方法用于此分析。NLP用于情感分析和主题建模。潜在狄利克雷分配(LDA)算法用于主题建模。我们使用双向编码器表示从Transformers(BERT)模型与Transformers架构工作的情感分析。结果表明,用户分享了他们的善意愿望,并旨在为地震后发起的援助活动做出贡献。用户希望主管机构和组织听到他们的声音。所提出的方法有效地工作。并对今后的研究进行了展望。
2022-12-02 cs.AI cs.CL cs.LG
Enhanced Twitter Sentiment Classification Using Contextual Information
MIT(麻省理工学院)
随着Twitter的普及和普及,对推文的情感分析已经成为一个重要的研究领域。然而,对推文施加的140个字符的限制使得很难使用标准的语言学方法进行情感分类。另一方面,推特缺乏结构,但它们却用庞大的数量和丰富的元数据来弥补。该元数据包括地理位置、时间和作者信息。我们假设情绪依赖于所有这些背景因素。不同的地点,不同的时代,不同的作者,有着不同的情感价值。在本文中,我们通过利用远程监督收集来自不同地点,时间和作者的数百万条标记推文来探索这一假设。我们使用这些数据来分析不同作者,时间和地点的推文情绪的变化。一旦我们探索并理解了这些变量和情绪之间的关系,我们就使用贝叶斯方法将这些变量与更标准的语言特征(如n-gram)结合起来,创建了一个Twitter情绪分类器。这种组合分类器的性能优于纯语言分类器,表明将Twitter上丰富的上下文信息整合到情感分类中是一个很有前途的研究方向。
2021-01-02 cs.AI cs.CL cs.IR
Analyzing Public Reactions, Perceptions, and Attitudes during the MPox Outbreak: Findings from Topic Modeling of Tweets
Emory University(埃默里大学)
本研究针对2022年MPox疫情期间的60余万条推文开展主题建模,将相关讨论划分为四大主题并明确热度排序,填补了该领域主题建模研究的不足。
2023-12-19 cs.AI cs.CL cs.CY
Multitask Learning for Fine-Grained Twitter Sentiment Analysis
Univ. Grenoble Alps(格勒诺布尔阿尔卑斯大学);CNRS(法国国家科学研究中心);Grenoble INP(格勒诺布尔理工学院)
传统的情感分析方法通过分别学习任务来解决三元(3类)和细粒度(5类)分类等问题。我们认为,这样的分类任务是相关的,我们提出了一个多任务的方法,基于一个循环神经网络,共同学习它们的好处。我们的研究展示了多任务模型在这类问题上的潜力,并改进了细粒度情感分类问题的最新结果。
2017-07-12 cs.CL cs.IR cs.LG
Sentiment Analysis on IMDB Movie Comments and Twitter Data by Machine Learning and Vector Space Techniques
Muğla Sıtkı Koçman University(穆拉·斯特克·科奇曼大学)
本研究的目标是建立一个情感分析模型,对2000行IMDB电影评论和3200个Twitter数据,通过使用机器学习和向量空间技术,积极或消极的文本的初步信息是提供。在研究中,在KNIME Analytics平台中创建了一个向量空间,并通过决策树、朴素贝叶斯和支持向量机分类算法对该向量空间进行了分类研究。对每种算法的结论进行了比较。通过决策树、朴素贝叶斯和支持向量机算法对IMDB电影评论的分类结果分别为94,00%、73,20%和85,50%。决策树、朴素贝叶斯SVM算法对Twitter数据集的分类结果分别为82.76%、75.44%和72.50%。可以看出,在这两个数据集中呈现的最佳分类结果是由SVM算法计算的。
2019-03-18 cs.CL cs.IR cs.LG
Twitter Sentiment Analysis: Lexicon Method, Machine Learning Method and Their Combination
UCL(伦敦大学学院);London School of Economics and Political Sciences(伦敦政治经济学院)
本文介绍了情感分析的两种方法:i)基于词典的方法; ii)机器学习方法。我们描述了实现这些方法的几种技术,并讨论了如何将它们用于Twitter消息的情感分类。我们提出了一个不同的词汇组合的比较研究,并表明,增强情感词汇与表情符号,缩写和社交媒体俚语表达增加了基于词汇的分类Twitter的准确性。我们讨论了机器学习情感分类的特征生成和特征选择过程的重要性。为了量化Twitter上主要情感分析方法的性能,我们在SemEval-2013竞赛的基准Twitter数据集上运行这些算法,任务2-B。实验结果表明,基于SVM和朴素贝叶斯分类器的机器学习方法的识别效果优于词典法。我们提出了一种新的集成方法,使用基于词典的情感得分作为输入功能的机器学习方法。事实证明,综合方法可产生更精确的分类。我们还表明,采用成本敏感的分类器高度不平衡的数据集产生的情感分类性能提高了7%。
2015-09-18 cs.CL cs.IR cs.LG
Investigating disaster response through social media data and the Susceptible-Infected-Recovered (SIR) model: A case study of 2020 Western U.S. wildfire season
University of Maryland(马里兰大学);University of Michigan(密歇根大学);Pennsylvania State University(宾夕法尼亚州立大学)
本研究结合BERT主题建模与SIR模型分析2020年美国西部野火季Twitter数据,揭示公众关注主题的时空扩散规律及其与野火传播的关系,为灾害响应决策提供定量支持。
2024-01-10 cs.CL cs.IR cs.LG
Tracing Topic Transitions with Temporal Graph Clusters
Purdue University(普渡大学)
Twitter是许多自然语言处理(NLP)任务的数据源。由于不断更新的数据流,在Twitter上识别主题可能具有挑战性。在本文中,我们提出了一个无监督的基于图的框架,以确定在两个星期内的真实世界的Twitter数据的子主题的演变。我们首先采用马尔可夫聚类算法(MCL)与节点删除方法,以确定最佳的图形集群从时间图的字(GoW)。随后,我们对时间图之间的聚类转换进行建模,以识别主题演化。最后,从计算方法和人类注释产生的过渡流进行比较,以确保我们的框架的有效性。
2021-04-16 cs.CL
Topic Modelling and Event Identification from Twitter Textual Data
University of Ottawa(渥太华大学);Institute for Big Data Analytics, Dalhousie University(达尔豪斯大学大数据分析研究所);Institute of Computer Science, Polish Academy of Sciences(波兰科学院计算机科学研究所);Peacegeeks(和平极客);iHUB
互联网上社交媒体内容的巨大增长激发了文本分析的发展,以了解和解决现实生活中的问题。利用统计主题建模可以帮助研究人员和从业人员更好地理解文本内容,并为进一步分析提供有用的信息。当我们处理大量动态文本时,统计主题建模变得尤为重要,例如,Facebook或Twitter数据集。在这项研究中,我们总结了四个数据集的Twitter消息在肯尼亚具有挑战性的社会事件的消息内容。我们使用潜在狄利克雷分配(LDA)主题模型来分析内容。我们的研究使用了两个评价指标,归一化互信息(NMI)和主题一致性分析,以选择最好的LDA模型。实验结果表明,该工具可以有效地提取讨论主题并进行归纳,以便于进一步的人工分析
2016-08-08 cs.CL 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
Arabic Offensive Language on Twitter: Analysis and Experiments
Qatar Computing Research Institute, HBKU(卡塔尔计算研究所,哈马德·本·哈利法大学)
检测Twitter上的攻击性语言有许多应用,从检测/预测欺凌到测量极化。在本文中,我们专注于构建一个大型的阿拉伯语攻击性推文数据集。我们介绍了一种方法,用于构建不受主题,方言或目标偏见的数据集。我们制作了迄今为止最大的阿拉伯语数据集,其中包含粗俗和仇恨言论的特殊标签。我们彻底分析了数据集,以确定哪些主题,方言和性别与攻击性推文最相关,以及阿拉伯语使用者如何使用攻击性语言。最后,我们进行了许多实验,使用SOTA技术在数据集上产生了强有力的结果(F1 = 83.2)。
2021-03-09 cs.CL
"I think this is the most disruptive technology": Exploring Sentiments of ChatGPT Early Adopters using Twitter Data
University of Adelaide(阿德莱德大学)
大语言模型由于其在各种任务上令人印象深刻的性能,最近引起了极大的关注。由OpenAI开发的ChatGPT就是这样一个大型的、预先训练的语言模型的实现,它在早期采用者中获得了极大的普及,某些用户甚至将其描述为许多领域的颠覆性技术。了解这些早期采用者的情绪很重要,因为它可以提供对技术潜在成功或失败的见解,以及其优势和劣势。在本文中,我们使用早期ChatGPT用户的10,732条推文进行了混合方法研究。我们首先使用主题建模来识别主要主题,然后对每个主题进行深入的定性情感分析。我们的研究结果表明,大多数早期采用者都表达了与软件开发中断、娱乐和发挥创造力等主题相关的压倒性积极情绪。只有有限比例的用户对ChatGPT可能被滥用等问题表示担忧,特别是对教育方面的影响等主题。我们讨论了这些发现,为每个主题提供具体的例子,然后详细的研究人员和用户解决这些问题相关的影响。
2022-12-12 cs.CL
2020 U.S. presidential election in swing states: Gender differences in Twitter conversations
University of South Carolina(南卡罗来纳大学)
在竞选期间,公众通常使用社交媒体来表达他们对不同问题的意见。在各种社交媒体渠道中,Twitter为研究人员和政治家提供了一个有效的平台,以探讨有关经济和外交政策等广泛主题的民意。目前的文献主要集中在分析推文的内容,没有考虑用户的性别。这项研究收集和分析了大量的推文,并使用计算,人类编码和统计分析来识别2020年美国总统大选期间发布的30多万条推文中的主题,并比较女性和男性用户讨论主题的平均权重。我们的调查结果基于广泛的主题,如税收、气候变化和COVID-19疫情。在话题中,超过70%的话题在女性和男性用户之间存在显著差异。
2022-07-14 cs.CL cs.SI
COVID-19 Vaccine and Social Media: Exploring Emotions and Discussions on Twitter
University of South Carolina(南卡罗来纳大学);City University of New York(纽约市立大学)
了解公众对COVID-19疫苗的反应是控制COVID-19疫情的关键成功因素。为了了解公众的反应,有必要探讨民意。传统的调查费用昂贵,耗时,涉及的健康问题有限,获得的数据规模较小。Twitter可以提供一个很好的机会来了解公众对COVID-19疫苗的看法。目前的研究提出了一种使用计算和人类编码方法来收集和分析大量推文的方法,以提供关于COVID-19疫苗的更广泛的视角。本研究使用机器学习基于规则的方法来识别推文的情感,发现主要主题,探索时间趋势,并使用统计测试来比较负面和非负面推文的主题,并揭示具有负面和非负面情感的推文的热门主题。我们的研究结果显示,2020年11月至2021年2月期间,有关COVID-19疫苗的负面情绪呈下降趋势。我们发现Twitter用户在2020年11月至2021年2月期间讨论了从疫苗接种地点到2020年美国大选的广泛话题。研究结果表明,有一个显着的差异之间的推文有负面和非负面情绪的权重的大多数主题。我们的研究结果还表明,负面和非负面的推文有不同的主题优先级和重点。这项研究表明,Twitter数据可用于探索有关COVID-19疫苗的公众意见。
2021-09-29 cs.CL cs.SI
The Power of Language: Understanding Sentiment Towards the Climate Emergency using Twitter Data
City, University of London(伦敦城市大学)
了解对气候紧急情况的态度如何变化,可以成为推动政策变化的关键,以采取有效行动减轻气候相关风险。石油和天然气行业占全球排放量的很大一部分,因此可以推测原油期货和对气候紧急情况的情绪之间存在关系。在定制的Twitter数据集上使用潜在Dirichlet分配进行主题建模,这项研究表明,围绕气候紧急情况的对话可以分为3个不同的主题。利用季节性自回归移动平均模型预测原油期货,训练数据和测试数据的均方根误差分别为0.196和0.209。了解对气候紧急情况的态度变化提供了不确定的结果,可以使用时空分析方法,如基于密度的聚类(DBSCAN)。
2021-01-25 cs.CL
Subject Specific Stream Classification Preprocessing Algorithm for Twitter Data Stream
University of Moratuwa(莫拉图瓦大学);University of Waikato(怀卡托大学)
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。
2017-05-28 cs.CL
Degree based Classification of Harmful Speech using Twitter Data
IIIT Hyderabad(海得拉巴国际信息技术学院)
有害言论有多种形式,并以不同的方式传播到社交媒体。如果我们需要打击其中不同程度的仇恨言论和虐待行为,分类需要基于复杂的后果,这些后果需要定义并追究责任,而不是种族主义,性别歧视或针对某些特定群体和社区。本文主要描述了我们如何创建一个基于仇恨意图程度的有害语音本体分类,并使用它来相应地注释twitter数据。本文的主要贡献是我们根据文本中发现的有害语音的本体类和程度创建的新推文数据集。我们还提出了监督分类系统识别这些各自的有害语音类的文本,因此。
2018-06-11 cs.CL
MaNLP@SMM4H22: BERT for Classification of Twitter Posts
Manipal Institute of Technology(马尼帕尔理工学院)
所报告的工作是我们对由社会媒体挖掘健康应用(SMM 4 H)研讨会组织的推文自我报告年龄的共享任务分类的直接方法。该文献描述了用于构建二元分类系统的方法,该系统将与生日帖子相关的推文分为两类,即精确年龄(正类)和非精确年龄(负类)。我们提交了两份在文本预处理方面存在差异的作品,组织者评估时,它们的F1分数分别为0.80和0.81。
2022-12-12 cs.CL
Transfer Learning from LDA to BiLSTM-CNN for Offensive Language Detection in Twitter
University of Hamburg(汉堡大学)
我们研究了德国Twitter数据上自动攻击性语言分类的不同策略。为此,我们采用顺序组合的BiLSTM-CNN神经网络。基于该模型,测试了三个利用背景知识提高分类性能的迁移学习任务。我们比较1.受监督的类别转移:用近乎冒犯性的语言类别注释的社交媒体数据,2。弱监督类别转移:用表情符号注释的推文,3。无监督类别转移:通过潜在狄利克雷分配(LDA)获得的主题聚类注释的推文。此外,我们研究了三种不同的策略,以减轻负面影响的“灾难性遗忘”在迁移学习。我们的研究结果表明,迁移学习一般提高了攻击性语言检测。最好的结果是从预训练我们的模型上的无监督主题聚类的推文结合专题用户集群信息。
2018-11-07 cs.CL
Improving Twitter Sentiment Classification via Multi-Level Sentiment-Enriched Word Embeddings
Pingdingshan University(平顶山学院)
现有的大多数工作学习特定于情感的词表示来改进Twitter情感分类,在学习过程中对n-gram和远程监督的tweet情感信息进行编码。他们假设推文中的所有单词都具有与整个推文相同的情感极性,这忽略了单词本身的情感极性。为了解决这个问题,我们提出了学习特定的情感词嵌入,同时利用词典资源和远程监督信息。提出了一种多层次情感丰富的词嵌入学习方法,该方法在学习过程中使用并行非对称神经网络对n-gram、词级情感和tweet级情感进行建模。标准基准测试的实验表明,我们的方法优于国家的最先进的方法。
2016-11-01 cs.CL
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
Topical differences between Chinese language Twitter and Sina Weibo
Northeastern University(东北大学);Center for Data Science(数据科学中心);New York University(纽约大学)
新浪微博是中国最受欢迎的微博平台,目前有超过$500M$用户使用,被认为是中国社交生活的代理。在这项研究中,我们对比了新浪微博和中文Twitter上的讨论,以观察中国文化的两种不同分支:中国境内使用新浪微博的人受到政府的限制,而境外的人可以完全匿名地自由发言。首先,我们提出了一个简单的ad-hoc算法来识别Tweets和微博的主题。与以往的微消息主题检测不同,本文的算法考虑的是内容相同但标签不同的主题。我们的算法也可以检测主题的推文和微博没有任何\#标签。使用一个大型的微博和中文推文语料库,涵盖从1月$1$到12月$31$,$2012$,我们获得了一个主题列表,使用聚类的标签,然后我们可以使用它们来比较两个平台。令人惊讶的是,我们发现在最受欢迎的$100$主题中没有共同的条目。此外,只有$9.2\%$的推文与新浪微博平台上的热门$1000$话题相对应,相反,只有$4.4\%$的微博被发现讨论最热门的Twitter话题。我们的研究结果显示,两个平台上的社会关注度存在显着差异,新浪微博上最受欢迎的话题与娱乐有关,而大多数推文与新浪微博中几乎不存在的文化或政治内容相对应。
2015-12-22 cs.CL cs.SI physics.soc-ph
One-step and Two-step Classification for Abusive Language Detection on Twitter
Hong Kong University of Science and Technology(香港科技大学)
滥用语言的自动检测是在线社交媒体的一项困难但重要的任务。我们的研究探讨了一个两步的方法进行分类的辱骂性语言,然后分类到特定的类型,并比较它与一步的方法做一个多类分类检测性别歧视和种族主义的语言。在一个包含2万条性别歧视和种族主义类型推文的公共英语Twitter语料库中,我们的方法通过使用HybridCNN一步和使用逻辑回归两步显示出0.824 F-测量的良好性能。
2017-06-05 cs.CL
Other Topics You May Also Agree or Disagree: Modeling Inter-Topic Preferences using Tweets and Matrix Factorization
Tohoku University(东北大学)
在本文中,我们提出了我们的方法建模的Twitter用户的主题间的偏好:例如,那些谁同意跨太平洋伙伴关系(TPP)也同意自由贸易。这种知识不仅对跨多个主题的立场检测有用,而且对各种现实世界的应用也很有用,包括民意调查,选举预测,选举活动和在线辩论。为了提取用户在Twitter上的偏好,我们设计了语言模式,其中人们同意和不同意特定的主题(例如,“A是完全错误的。通过将这些语言模式应用于一组推文,我们提取了同意和不同意各种主题的陈述。受以前项目推荐工作的启发,我们将主题间偏好建模的任务形式化为矩阵分解:将用户的偏好表示为用户主题矩阵,并将用户和主题映射到抽象偏好的潜在特征空间上。我们的实验结果表明,我们提出的方法是有用的,在预测丢失的用户的偏好和主题的潜在向量表示成功地编码主题间的偏好。
2017-04-26 cs.CL
CTM -- A Model for Large-Scale Multi-View Tweet Topic Classification
Twitter Cortex(推特Cortex)
自动将社交媒体帖子与主题相关联是许多社交媒体平台上有效搜索和推荐的重要先决条件。然而,这样的帖子的主题分类是相当具有挑战性的,因为(a)大的主题空间(b)具有弱主题线索的短文本,以及(c)每个帖子的多个主题关联。与大多数以前的工作,只专注于后分类成一个小数目的主题($10$ - $20$),我们认为大规模的主题分类任务的背景下,Twitter的主题空间是$10$倍大,潜在的多个主题关联每条推文。我们通过提出一种新的神经模型CTM来解决上述挑战,CTM(a)支持$300$主题的大主题空间,(b)采用整体方法来进行推文内容建模-利用推文中的多模态内容,作者上下文和更深层次的语义线索。我们的方法提供了一种有效的方法来分类推文到主题的规模产生优越的性能比其他方法(相对升降机的$\mathbf{20}\%$中位平均精度得分),并已成功部署在Twitter的生产。
2022-05-03 cs.CL
Covid-Transformer: Detecting COVID-19 Trending Topics on Twitter Using Universal Sentence Encoder
Tabriz University(大不里士大学);Snap Inc(Snap公司)
新型冠状病毒病(也称为COVID-19)已导致大流行,影响全球200多个国家。由于其全球影响,COVID-19已成为几乎世界各地人们的主要关注点,因此世界各地都有大量关于COVID-19相关主题的推文。在这项工作中,我们试图分析推文,并检测Twitter上人们的热门话题和主要关注点,这可以使我们更好地了解情况,并制定更好的计划。更具体地说,我们提出了一个模型的基础上,通用的句子编码器来检测最近几个月的推文的主要主题。我们使用通用的句子编码器,以获得的语义表示和相似性的鸣叫。然后,我们使用句子相似性和它们的嵌入,并将它们馈送到K-means聚类算法,以将相似的推文(在语义意义上)分组。然后,使用基于深度学习的文本摘要算法获得聚类摘要,该算法可以揭示每个聚类的底层主题。通过实验结果,我们表明,我们的模型可以检测非常翔实的主题,通过处理大量的句子级别的推文(这可以保持推文的整体意义)。由于该框架对特定数据分布没有限制,因此可用于检测来自任何其他社交媒体和任何其他背景的热门话题,而不是COVID-19。实验结果表明,我们提出的方法优于其他基线,包括TF-IDF,和潜在的Dirichlet分配(LDA)。
2020-09-19 cs.CL cs.LG
Event detection in Colombian security Twitter news using fine-grained latent topic analysis
Universidad Nacional de Colombia(哥伦比亚国立大学)
文化和社会动态是重要的概念,必须加以理解,以便掌握社区关心的问题。为此,新闻是一个很好的社区信息来源,特别是近年来,大众媒体巨头使用社交网络与受众沟通和互动。在这项工作中,我们使用的方法来发现潜在的主题,从哥伦比亚的Twitter新闻帐户,以确定该国最突出的事件。我们特别关注与安全、暴力和犯罪有关的推文,因为哥伦比亚社会周围存在暴力环境。我们使用的潜在主题发现方法通过使用FastText构建推文的向量表示,并通过K-means聚类算法发现推文的聚类。通过测量潜在狄利克雷分配(LDA)模型的一系列主题的$C_V$相干性来找到聚类的数量。最后,我们使用均匀流形近似和投影(UMAP)降维可视化的推文向量。一旦确定了与安全、暴力和犯罪相关的聚类,我们将在每个聚类中应用相同的方法来执行细粒度分析,其中将新闻中提到的特定事件分组在一起。我们的方法能够发现特定于事件的新闻集,这是对人们如何参与不同类型新闻的Twitter线程进行广泛分析的基准,重点是安全,暴力和犯罪相关的推文。
2019-11-19 cs.CL cs.SI
Using Robust PCA to estimate regional characteristics of language use from geo-tagged Twitter messages
Eötvös Loránd University(厄特沃什·罗兰大学)
主成分分析(PCA)及其相关技术已成功地应用于自然语言处理中。在线社交媒体(OSM)时代的文本挖掘应用程序面临着新的挑战,这是由于这些用例特有的属性(例如,用户发布的文本特有的拼写问题,垃圾邮件发送者和机器人的存在,服务公告等)。在本文中,我们采用了鲁棒PCA技术分离典型的离群值和高度本地化的主题,从低维结构中存在的语言使用在线社交网络。我们的重点是确定地理空间的Twitter微博服务的用户发布的消息中的功能。使用一个数据集,其中包括超过2亿的地理定位的推文收集了一年的过程中,我们调查是否存在的信息在词的使用频率可以用来识别语言使用的区域特征和感兴趣的话题。使用PCA追踪方法,我们能够识别重要的低维特征,这些特征构成了地理位置的平滑变化函数。
2013-11-05 cs.CL
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
A Weakly Supervised Approach for Classifying Stance in Twitter Replies
Indian School of Business(印度商学院);Carnegie Mellon University(卡内基梅隆大学)
社交媒体上的对话(SM)越来越多地被用来调查网络上的社会问题,如在线骚扰和谣言传播。对于这些问题,一个常见的研究思路是使用对抗性反应,例如,指出谣言中不实之处的答复。虽然在线对话中普遍存在敌对反应,但从回复中的文本中推断出这些负面观点(或立场)是困难的,需要复杂的自然语言处理(NLP)模型。此外,用于立场挖掘的传统NLP模型需要标记数据用于监督学习。获得标记的对话本身就具有挑战性,因为对话可以是任何主题,并且主题会随着时间的推移而变化。这些挑战使得学习姿势成为一个困难的NLP问题。在这项研究中,我们首先创建了一个新的立场数据集,包括三个不同的主题,通过标记用户对主题的意见(如赞成/反对)和用户在回复他人帖子时的立场(如赞成/反对)。由于我们发现监督方法的局限性,我们提出了一种弱监督方法来预测Twitter回复中的立场。我们的新方法允许使用较少数量的标签来为Twitter回复生成弱标签。与监督学习相比,我们的方法在人工标记的数据集上将平均F1-macro提高了8\%,而无需在训练集中使用任何人工标记的示例。我们进一步展示了我们提出的方法在Twitter上与COVID 19相关的对话中的适用性。
2021-03-12 cs.CL cs.SI
Neural Temporal Opinion Modelling for Opinion Prediction on Twitter
University of Warwick(华威大学);Southeast University(东南大学)
Twitter上的意见预测是具有挑战性的,由于短暂的性质,推文内容和邻里的背景。在本文中,我们将用户的推文发布行为建模为一个时间点过程,以联合预测发布时间和下一个推文的立场标签,给定用户的历史推文序列和他们的邻居发布的推文。我们设计了一个主题驱动的注意力机制来捕捉邻居语境中的动态主题转移。实验结果表明,该模型预测的发布时间和立场标签的未来推文更准确地相比,一些竞争性的基线。
2020-05-27 cs.CL cs.SI
The effect of wording on message propagation: Topic- and author-controlled natural experiments on Twitter
Cornell University(康奈尔大学);Google Inc.(谷歌公司)
考虑一个人试图在社交网络上传播一个重要消息。他/她可能会花几个小时来制作信息。这真的重要吗虽然之前有大量的工作研究预测社交媒体内容的受欢迎程度,但措辞本身的影响很少被研究,因为它经常与作者和主题的受欢迎程度混淆。为了控制这些混杂因素,我们利用了一个令人惊讶的事实,即有许多对tweet包含相同的url,由同一个用户编写,但使用不同的措辞。有了这样的配对,我们会问:哪个版本吸引了更多的转发?事实证明,这是一项比预测热门话题更困难的任务。尽管如此,人类可以比偶然更好地回答这个问题(但远非完美),我们开发的计算方法可以比普通人和在非受控数据上训练的强大竞争方法做得更好。
2014-05-06 cs.CL cs.SI physics.soc-ph
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