ICMLNov, 2023

理解人口多样化的空间社交媒体话语中的词汇和情感本体

PDF
TL;DR通过分析不同社会人群的评论数据，本研究旨在了解空间在线社交媒体评论数据中的语言和社会人口特征，包括英语语言风格、情感表达和词汇多样性。研究发现，这些特征在有效区分不同群体方面具有显著效果，其中使用 n-gram 词汇特征和基于 Transformer 模型的分类器表现最佳，准确率超过 95%，宏观 F1 分数超过 0.96。该研究的发现为进一步研究社交媒体平台上文本内容的人口模式提供了有价值的指导。
linguistic featuressocio-demographiconline social mediaml classifiersdemographic patterns
发现论文，激发创造
  • 比较社交媒体语言数据和人口普查数据在次国家地理区域上的语言多样性测量

    该研究描述了在线空间（即社交媒体语言数据）和真实世界空间（即新西兰的分行政区域）的比较语言生态学初步研究。我们比较了这些不同空间的语言多样性指标，并讨论社交媒体用户如何与真实世界人口保持一致。当前研究的结果表明，有潜力利用在线社交媒体语言数据观察分行政地理区域的语言多样性的时空变化，但需要进一步研究来了解社交媒体如何代表真实世界行为。

    Aug, 2023

  • 多语言视觉情感概念匹配

    通过众包实验和单词嵌入，本文研究了文化对视觉情感感知的影响，并提供了一种有效的聚类框架，以探索、检索和浏览数据集中的多语言情感视觉概念，并通过基于众包的情感注释等新颖度量方法进行了评估。

    Jun, 2016

  • 全球视觉情感：一个大规模多语言视觉情感本体论

    该研究详细研究了文化和语言的独特性，特别是情感语义和情感在社交多媒体中的表现，并提出了一种基于多语言的新方法来自动发现情感构造。多语言视觉情感概念本体（MVSO）的创建是通过提出一种在社交多媒体平台上应用的类别聚类视觉检测名词和这些名词情感偏见版本的子聚类的方法来实现的，并展示了一个基于图像的预测任务以显示特定语言模型在多语言环境中的普适性。此外，该研究还发布了一个 >15.6K 跨 12 种语言的情感偏执视觉概念数据集以及对应的检测库和 >7.36M 张图像和元数据。

    Aug, 2015

  • 透明比较多语言自然语言处理数据集中的语言多样性的一种度量

    提出了一种评估数据集语言多样性的方法，通过比较语言特征集合的 Jaccard 指数来分析，发现大部分流行的多语种数据集中缺乏多种语言类型，特别是 (poly) synthetic languages。

    Mar, 2024

  • 社交媒体中的词汇变化扩散

    通过分析 107 百万条推特信息，我们发现计算机媒介通信正在驱动书面语言的根本变革，语言演化并不使得美国英语变得一致，而是重现了口语中现有的毛病。

    Oct, 2012

  • 多源社交媒体情感分析的比较研究

    本文使用多种技术，如基于词典的、机器学习和深度学习方法，对社交媒体上的评论数据进行情感分析，并提供了比较分析结果。在本研究中，我们使用了来自 Twitter、Reddit 等社交网络网站的评论等多源数据集。选择了朴素贝叶斯机器学习算法、TextBlob 词典方法和 LSTM 深度学习算法。

    Dec, 2022

  • 大型语言模型合成文本数据集的语言多样性可视化

    本研究提出了一款交互式可视化工具 LinguisticLens，通过对大语言模型生成的数据集的句法多样性进行聚类，用户可以快速检查数据集的总体情况并检查单个示例。

    May, 2023

  • 反讽和刻板形象的画像：探索情感、主题和词汇特征

    通过词汇特征和 TF-IDF，在 Twitter 用户中检测到具有讽刺意味的信息，并通过特征选择和模型构建达到 F1 得分 0.84 以上。

    Nov, 2023

  • 利用 BERT 表征社交媒体社群中的英语变化

    使用 BERT 对 474 个英文 Reddit 社群的两个月评论进行分析，将社群独特的词语类型与不同词义群集的特异性结合起来，识别社群语言偏离常态的情况，并运用社会语言学理论将语言变异与社群行为趋势相联系，发现具有高度独特语言的社群规模适中，其忠诚和高度参与的用户在密集网络中互动。

    Feb, 2021

  • Twitter 自动账户的词汇分析

    本文探究社交机器人与真实账户之间的语言差异，提出的词汇丰富度、词汇复杂度和表情符号分布等识别特征，可以有效地用于机器学习模型的训练和社交机器人识别。

    Dec, 2018