Oct, 2023

社会科学中的短文本分类：以 Twitter 上的气候变化为例

PDF
TL;DR通过对一组包含 750 条推特的新数据集进行分类实验，我们比较了各种常用文本分类器的性能，在分类平衡度增加的情况下，监督机器学习方法表现更好，而传统机器学习方法如逻辑回归和随机森林与深度学习方法在性能上相似，但需要较少的训练时间和计算资源，这对社会科学研究中的短文本分析具有重要意义。
text classificationmachine-learning methodssocial science researchtwitter communicationclimate change
发现论文，激发创造
  • 使用机器学习模型对文本进行分类并确定对话偏移

    该研究旨在使用自然语言特征提取方法在机器学习中，将朴素贝叶斯、逻辑回归和支持向量机等基本模型用于检测讨论线路偏离主题时教师必须介入的情况，从而实现文本分类和语义分析。

    Nov, 2022

  • 一种用于情感辅助气候变化推文立场检测的多任务模型

    本文提出了一个基于 Twitter 的分类分析框架，可以对气候变化方面的推文进行情感和态度分析，并基于此进行气候变化持有者的分类，以此为决策者提供有效决策参考。

    Nov, 2022

  • Twitter 主题分类

    本文针对社交媒体中讨论的各种话题，通过推文主题分类研究，提供两个相关数据集用于评估推文分类模型，并在语言模型上进行量化评估和分析。

    Sep, 2022

  • 情感分析与随机森林用于科技文本中的 LLM 与人工来源分类

    提出了一种新的方法来对来自自动文本生成引擎或人类的文本进行分类，该方法基于情感分析作为特征工程的源，并以此训练随机森林分类算法。使用四个不同的情感词典，生成了一些新特征，并将其输入机器学习的随机森林方法进行训练，结果非常有说服力，这可能是一个有前途的研究方向，可用于检测人类应该是文本来源的欺诈行为。

    Apr, 2024

  • 自动文本分类中的机器学习

    介绍了文本分类中主流的基于机器学习技术的方法，并就文档表示、分类器构建和评估等三个问题展开讨论。

    Oct, 2001

  • ClimateNLP：利用自然语言处理分析公众对气候变化的情绪

    气候变化对人类健康的影响带来了前所未有的多样化挑战，本研究运用社交媒体分析和自然语言处理技术，特别以气候变化领域为基础进行预训练模型建立和推特情感分析，以了解公众对气候变化的态度和关注点，以便决策者、研究人员和组织能够有效了解公众的认知并制定相应的气候变化对策。

    Oct, 2023

  • 用于危机相关短消息分类的跨语言领域自适应

    研究实时分析信息以快速危机响应，并利用过去灾害的已标记数据进行跨语言域适应，以训练分类器。在同一类型和相似语言的事件中，过去的标记对分类器训练有用，并且穿越语言域适应有助于不同语言（如意大利语和西班牙语），而对于不同语言（如意大利语和英语），性能会降低。

    Feb, 2016

  • 利用语言模型对社会科学数据集进行编码

    研究表明，使用语言模型（LMs）可以处理人类编码的文本，通过与人类编码员的比较，我们发现 GPT-3 可以达到与人类编码员相当的表现水平，这为在很多领域中应用语言模型来处理文本提供了证据。

    Jun, 2023

  • 了解社交媒体对气候变化的观点

    通过社交媒体平台，研究了真实世界事件对社交媒体上个体对气候变化相关主题的观点的影响，包括社群检测、情感分析和话题建模等方面的研究。

    Dec, 2023

  • 文本分类算法综述

    本研究讨论了文本分类算法的概述，包括不同的文本特征提取、降维方法、现有算法和技术、评估方法，并探讨了每种技术的限制和在实际问题中的应用。

    Apr, 2019