Jan, 2023

一种基于人类词语联想的社交网络主题检测模型

PDF
TL;DR本论文提出一种基于 Word Association 的社交网络话题检测框架，利用语言结构方法发现单词间的关系，结合人类 Word Association 模型实现更好的效果，在英语和波斯语低资源语言中进行测试，显示出良好的性能。
social networkstopic detectionlanguage structureword associationfarsi language
发现论文，激发创造
  • 基于人类词关联和图嵌入的波斯语主题检测

    本文提出了一种基于人类单词联想的社交媒体主题检测框架，该框架使用人类单词联想方法，通过词语的联想力计算关联力生成相关性图，进而通过聚类方法提取主题，该方法在波斯语数据集上的实验结果表明，它比其他主题检测方法更有效。

    Feb, 2023

  • 主题模型的网络方法

    采用随机块模型方法，针对主题建模中存在的问题，提出了一种更具通用性和原则性的框架，该框架能够自动检测主题数和分级群集单词和文档，从而比 LDA 在统计模型选择方面提供更好的主题模型。

    Aug, 2017

  • 利用社交关注解决情感分析中的语言变异问题

    本文介绍了一种基于注意力机制的神经网络结构，利用社交网络中的同质性，将分类函数平滑化，从而实现个性化的情感分析模型，提高在 Twitter 和评论数据上的情感分析准确性。

    Nov, 2015

  • 波斯文本流主题检测中频繁模式挖掘和聚类类别的全面研究

    本研究旨在研究波斯语下的主题检测，通过对现有算法进行深入研究、波斯语的适应性改进，以及在波斯语社交网络文本上的性能评估，发现具备良好表现的算法类别为混合类别，对于易于理解的关键词主题搜索，而频繁模式类别则更适合用于进一步分析的帖子聚类。

    Mar, 2024

  • 面向话题的社交媒体语言神经关键短语生成

    研究自动理解社交媒体上的用户生成内容，利用基于序列到序列模型的神经关键短语生成框架提取突出信息，并允许生成缺失关键短语。实验表明该模型在三个数据集中表现优异，能学习有意义的主题，从而解释其在社交媒体关键短语生成中的优越性。

    Jun, 2019

  • 提升社交媒体内容中健康提及检测的语言模型能力的独特训练策略

    通过随机加权干扰和对比学习策略培训语言模型，并提出元预测器以区分社交媒体文本中的非健康和健康相关类别，实验证明该策略提高了语言模型的性能，元预测器在三个基准数据集上优于现有的健康提及分类预测器。

    Oct, 2023

  • 微博事件检测中基于人工智能循环的关键词发现和期望估计方法

    本文通过人工智能与人类的互动，迭代地估计关键词的期望，并将关键词和期望用于模型训练，提高了事件检测的准确性和可解释性。

    Dec, 2019

  • 自动主题生成的分层潜在语义映射

    本文提出一种新的名为 Hierarchical Latent Semantic Mapping (HLSM) 的主题生成方法，它可以自动从语料库中生成主题，并使用单词之间的关联和层次生成主题网络。实验表明，相比于现有的一些最先进的方法，HLSM 在几个文档集合上表现良好。

    Nov, 2015

  • 融合社交网络的用户级情感分析

    研究表明，社交关系信息可以用于提高用户级情感分析，实验结果表明，将社交网络信息纳入支持向量机等分类器的训练可以明显提高情感分析的效果。

    Sep, 2011

  • 稻草堆中的话题：超越一致性的话题提取和评估

    该研究提出了一种方法，通过对句子和文档的主题进行深入理解，不仅分析数据中的词频，而且可以检测包括非常见词或新词在内的潜在主题，还使用了基于语义空间的异类词和相似性度量等新的评价指标，并通过与人工识别相似性度量的相关系数，在文本挖掘方面展现出优秀的性能结果。

    Mar, 2023