Jul, 2023

利用人群调整的生成式语言模型进行舆情挖掘

PDF
TL;DR我们提出了一种从文本集合中挖掘意见的新方法，该方法是使用在不同人群收集到的数据上训练的生成式语言模型。我们描述了意见洞察挖掘的基本定义、方法论和通用算法。通过在实验中展示预先训练的生成式模型使用经过特殊设计的内容进行精调，我们展示了我们的方法的性能，其中包含不自然且完全注释的意见。我们展示了我们的方法能够学习和将意见转移到语义类别中，同时保持极性的比例。最后，我们展示了使用洞察挖掘系统来从真实文本语料库中扩大发现意见洞察的用途。
发现论文，激发创造
  • 先进的基于变压器的语言模型的演化分析：舆情挖掘实验

    研究范围包括对最先进的基于 Transformer 的语言模型在意见挖掘方面的行为的研究，并对它们进行高级比较以突出它们的关键特点。此外，我们的比较研究为生产工程师提供了可关注的方法，并为研究人员提供了未来研究主题的指南。

    Aug, 2023

  • 从 Token 到 Review：一种分层多模态的情感挖掘方法

    本文提出了一种利用意见表达的不同视角，构建了一种联合细粒度和粗粒度意见模型的方法，该模型具有注意力机制的某些特性，对最近发布的多模态细粒度注释语料库提供了具有竞争力的结果。

    Aug, 2019

  • 轮询潜在观点：使用变换器语言模型的计算机社会语言学方法

    使用 Transformer Language Models 等方法对 Yelp 评论进行语言行为学习，并利用 prompt-based queries 生成合成文本以分析特定观点，证明即使在缺乏特定关键词的情况下，这些模型也能准确产生具有正确情感的大量文本。

    Apr, 2022

  • 文档级别影评意见挖掘

    本文提出了一种基于文本的观点挖掘系统，可以分为积极、消极和中立。该系统还可以处理否定语。通过使用电影评论，实验结果表明了该系统的有效性。

    Aug, 2014

  • 使用带有观点的语言模型共同撰写会影响用户的观点

    本研究探讨了使用以某种观点为主导的人工智能语言模型的写作助手是否会影响用户的观点，通过在线实验发现，使用偏向一定观点的语言模型会影响用户的写作观点，推荐更加谨慎地监控和设计 AI 语言技术中的观点。

    Feb, 2023

  • 语言模型反映了谁的观点？

    通过 OpinionsQA 数据集，本研究提出了一种量化框架，调查语言模型中体现的观点与美国 60 个人口群体的观点的一致性，在包括堕胎和自动化在内的话题上，我们发现当前的语言模型与 US 人口集体观点之间存在相当大的不匹配，即使是明确定向于特定人口群体也是如此。

    Mar, 2023

  • 多模态方法在视频评论的细粒度情感分析中的应用

    本研究提出了一种多模态方法，从视频评论中挖掘细粒度意见，并且无需时间注释，利用音频、视频和语言转录的特征来确定评论中讨论的物品方面以及情感倾向。我们在两个数据集中验证了该方法，并表明利用视频和音频模态能够提高性能，从而更好地理解视频评论。

    May, 2020

  • DYPLOC: 使用混合语言模型进行动态规划内容的文本生成

    提出了 DYPLOC 框架，采用混合语言模型的新设计，动态规划内容并使用大型预训练模型来生成涵盖多样内容的观点文本。在 Reddit ChangeMyView 的论据生成和 New York Times' Opinion 部分的文章写作任务上，自动评估表明我们的模型显着优于竞争比较，并获得了人类评判者的更准确，内容更丰富的结果。

    Jun, 2021

  • 超越意见挖掘：客户评论观点总结

    本文介绍了基于神经网络和机器学习的 Opinion Summarization，主要是关于 customer reviews 的情感摘要，包括自监督、少样本和有监督学习方案，并提出了资源和评估方法。

    Jun, 2022

  • 基于媒体观察的语言模型能预测公众舆论

    使用语言模型研究公众媒体消费对舆情的影响具有较高的预测能力和实际应用价值，并表明需要进一步研究神经语言模型的预测能力。

    Mar, 2023