MMSep, 2019

社交媒体中新闻媒体的热议事件挖掘

PDF
TL;DR该研究旨在使用深度神经网络进行情感预测，从而检测社交网络中的攻击性回应，特别是在新闻媒体领域的应用。通过对来自 BBCNews、CNN 和 FoxNews 等新闻媒体的 Facebook 发帖评论进行分析，此研究来自训练基于 Word2Vec 和 FastText 词嵌入方法的深度神经网络模型，并通过分类将情感分为五种等级，最终确定了负面评论事件的识别方法。
flamingsentiment predictionsocial networking sitesnews mediadeep neural network
发现论文，激发创造
  • 实时灾害事件相关偏差去除

    本研究利用对抗性神经模型，对社交媒体上涉及危机事件中的具有实际行动意义的信息进行筛选，以达到在面对新兴危机事件时提高分类器的泛化性能及性能表现的目的。

    Nov, 2020

  • 社交情感挖掘技术用于 Facebook 帖子反应预测

    本研究旨在探究预测用户在 Facebook 页面上对超市等企业发布文章的反应的方法，通过收集帖子和反应构建一个数据集并使用神经网络和基线情感分析方法进行分析，最终的模型可以准确地预测文章的反应分布。

    Dec, 2017

  • 使用机器学习模型对社交媒体毒性评论进行分类

    研究讨论了社交媒体平台上存在的有害评论问题，提出使用 Lstm-cnn 模型构建分类器，以高精度区分有毒和无毒评论，并帮助组织更好地检查评论区的有害性。

    Apr, 2023

  • 社交媒体危险事件检测：一项综述

    社交媒体是信息和交流的一个重要渠道，然而有些人和团体利用社交媒体推广他们的议程，可能对不同观点的人造成危险。本文提出了危险事件的概念以及根据特征将其分类为行动、情景和基于情感的事件，目的在于解决这个问题。

    Apr, 2022

  • 社交媒体帖子的情绪检测

    研究使用传统机器学习技术和深度神经网络模型在社交媒体文本数据中识别情绪，并构建一个双向长短记忆神经网络（BiLSTM）和双向门循环单元（BiGRU）的集成模型，其中 BiGRU 模型表现最佳，准确率达 87.53％。此结果将有助于开发一个可视化情绪波动的决策工具。

    Feb, 2023

  • BERT-Deep CNN: COVID-19 推文情感分析的最新技术

    本文探讨利用 BERT 和 Deep CNN 模型通过社交媒体研究社会对 COVID-19 大流行的感知，证明了 BERT 模型在情感分析中的卓越性能。

    Nov, 2022

  • 使用多语言 Transformer 模型自动分析 Facebook 数据的情感和仇恨言论

    本文通过分析 Facebook 上代表性的 far-right Hindutva pages 数据集来解决 Social Media Platforms 上 toxic speech 和 hateful content 的问题，使用 state-of-the-art 的 XLM-T multilingual transformer-based language models 对文本内容进行情感和 hate speech 分析，并讨论预训练语言模型的性能和局限性。

    Jan, 2023

  • 社交网络服务文档中引起情感识别差异的表达方式

    本文提出一种基于 BERT 的检测框架，能够检测出导致作者和读者之间情感识别差异的句子，并分析出这些句子所具有的表达特征。采用日语 SNS 文档数据集，该检测器探测出了 AUC=0.772 的 'hidden-anger sentences'。在分析表达特征后，如果隐含的愤怒被指出，那么就可能猜测出作家的情感状态，从而有效地解决由误解引起的问题。

    Aug, 2022

  • 利用黑客情感预测网络安全事件

    通过对黑客论坛上的情感分析，我们提出了一种新的方法来预测网络事件，该方法可以在攻击事件发生前几周就进行预测，一些特定的黑客论坛可以比现有的深度学习和时间序列模型更有效地进行预测。

    Apr, 2018

  • 量化情感在社交媒体信息扩散中的影响

    本文旨在量化情感对信息传播的影响，从而了解内容情感在社交媒体上的传播如何受时间动态的影响。研究发现，在单独的内容层面上，负面信息比积极信息更容易传播，但是积极信息能够触及更多的观众。同时，针对整个对话框架，不同的时间动态可能展现出不同的情感模式。这项研究成果有助于改善在线社交媒体内容的生成与传播方针。

    Jun, 2015