tweets | BriefGPT - AI 论文速递

关键词tweets

搜索结果 - 41

EMNLP反应式监督：一种收集讽刺数据的新方法
介绍了一种新的数据收集方法 —— 反应监督方法，利用在线对话的动态规律克服了现有数据收集技术的局限性，从而创建和发布了第一个具有讽刺视角标签和新的上下文特征的大规模推文数据集，预期将推动讽刺检测研究进展。该方法可应用于其他情感计算领域，从而
PDF4 years ago
TweetsCOV19 -- 基于语义注释的关于 COVID-19 疫情的推文知识库
描述了 TweetsCOV19 的基本特征和分析，这是一个公开可用的包含超过 800 万推特的知识库，旨在为大量知识发现任务提供前所未有的数据集。
PDF4 years ago
EMNLPTwitter 用户地理位置预测的分层神经网络
本文介绍了一种基于神经网络的层级位置预测模型，通过对用户所在国家和城市的层级结构进行考虑，并采用基于字符的词嵌入层来处理噪声数据，在不同特征组合设定下达到了最优结果，提高了预测精度并显著降低了均值误差距离。
PDF5 years ago
AAAIKnowBias：检测长文本内容中的政治极性
本文提出了一种基于推文训练的两步分类方案，用于检测长文本中的政治偏见。该方案包括通过推特数据训练中性检测器，用于去除文章中的中性句子以实现意见集中，并提高了文章的预测准确性。
PDF5 years ago
ACL从嘈杂的短文本中检测网络安全事件
本文介绍了一种利用域特定词汇和任务特定特征来检测推文中的网络安全事件的方法，该方法结合了卷积神经网络和长短期记忆循环神经网络，并对嘈杂短文本进行分类。通过新收集的推文数据集进行实验，得到实验结果表明该方法检测噪声短文本中的网络安全事件的效果
PDF5 years ago
IEST: WASSA-2018 隐式情感共享任务
该论文介绍了首个推特情感预测的共享任务，该任务着重于从推特文本上下文中推断隐含情感，通过自动方法预测情感会比人工更加准确。
PDF6 years ago
ACL将推文解析为通用依存关系
本文介绍了用 Universal Dependencies 分析 Tweets 的问题，提出了扩展 UD 指南来覆盖 Tweets 中的特殊结构以及使用新的 Tweet Treebank v2 来解决标注中的歧义，并构建了一个可以将原始 T
PDF6 years ago
利用自注意力网络检测推文中的标题党
本文介绍了用于 Clickbait Challenge 2017 的 Zingel Clickbait Detector，针对推文的 Clickbait 检测问题，将回归问题重构为基于注释方案的多分类问题，并应用自我注意力机制和双向门控循环
PDF7 years ago
获取背景知识以提高道德价值预测能力
本文中，我们提出了一个新的方法，结合基本的文本特征和外部知识库中获取的背景知识来检测推文中的道德价值表达，并在计算社会科学的领域中实现了与单个人注释员相媲美的性能。这是在预测隐含心理变量方面首次尝试使用背景知识。
PDF7 years ago
EMNLPSeernet 在 EmoInt-2017 中的推文情感强度估计器
本文介绍了使用广义回归器系统在推文中估计情绪强度的实验。系统结合了词法、句法和预训练词向量特征，对通用回归器进行训练，并最终结合最佳表现模型创建一个集成系统。所提出的系统在 WASSA-2017 共享任务情感强度排行榜中名列第三。
PDF7 years ago
从推文和通用数据中学习的词嵌入数据集
本文通过分别使用推特数据、通用数据和两种数据的结合，提出了十种单词嵌入数据集，并且演示了如何将这些数据集应用于推特情感分析和推特主题分类等 NLP 任务。
PDF7 years ago
EMNLPWASSA-2017 情感强度共享任务
本文介绍了第一次分享任务，利用 “最优 - 最劣” 刻度（BWS）技术创建了推文的情绪强度数据集，并展示了标注数据的可靠性和机器学习系统的效果，增进了语言传达情绪强度的理解。
PDF7 years ago
ACL改进推特的分布式表示 —— 现在和未来
通过整理有关推特的无监督学习模型，以提高其表现，进而提高情感分析、主题预测等商业应用的质量。
PDF7 years ago
灾难相关推文的鉴定：匹配或学习为基础？
本文研究了在灾难中使用社交媒体如 Twitter 等传播信息以提高灾难控制。当前流行的通过学习的方法无法很好地识别与灾难相关的推文，因此我们提出了一种基于匹配关键词和标签的简单而有效的算法。结果表明，我们的方法提供了更高质量和更可解释的情绪
PDF7 years ago
利用时间和用户上下文改进推文表达
本文提出了一种新颖的表征学习模型，通过系统性地利用用户 Twitter 时间轴上的文本 “上下文”，并考虑用户背景知识如写作风格和写作主题总结，从而准确地计算推文的语义表示，并通过实验证明，在预测用户配偶、教育和工作等人物属性时，该模型优于
PDF8 years ago
COLING谁能想到那个！”：一种用于提取讽刺流行主题和探测讽刺的分层主题模型
本研究基于主题模型提出了一种简单的讽刺检测模型，能够预测带有讽刺情感的话题，并且能够发现具有情感的单词组合，通过在推特数据集上进行实验，我们的模型能比之前的基于统计分类器的研究提高 25% 的识别率。
PDF8 years ago
使用字符和单词级 CNN 在推文中检测立场的 SemEval-2016 任务 6 上的 DeepStance
本文通过利用深度学习中的短文本分类方法来检测推特立场，并采用数据增强技术扩展和多样化训练数据集，结合词级和字符级模型构建分类器最终实现了精度、召回率和 F1 值均在 0.6 以上的结果。
PDF8 years ago
基于 LSTM 的情感分类模型建模丰富语境
该研究利用层次化 LSTM 来处理社交媒体数据中如微博和推文等的情感分析，通过建模各种上下文，特别是长期上下文，以提高情感分类的准确性。
PDF8 years ago
推文中的命名实体识别与链接分析
本文讨论了对于不规则、嘈杂、依赖上下文及动态性的推文（一种微博形式），运用自然语言处理技术进行挖掘和智能信息访问的挑战，重点关注了从推文中提取实体并进行实体消歧的任务，介绍了一个新的 Twitter 实体消歧数据集，并对多个最先进的 Nam
PDF10 years ago
识别选举推文目的
本文提出新课题研究如何自动分析选举相关推文的目的，为此创建数据集并开发了自动分类系统，结果表明情感检测等资源对此任务也有帮助。
PDF11 years ago