基于 BERT 的社交媒体声誉分析深度学习方法
计算与语言
2022-11-04 v1 机器学习
社会与信息网络
摘要
社交媒体已成为现代生活方式的重要组成部分，其使用极为普遍。这导致社交媒体上产生了前所未有的海量用户数据，例如用户在生活各方面表现出的态度、观点、兴趣、购买行为和活动。因此，在一个权力已转移至用户的社交媒体世界中，企业和公众人物的行为时刻受到具有影响力的全球受众的审视。因此，社交媒体中的声誉管理变得至关重要，因为企业和公众人物需要维护其声誉以保护声誉资本。然而，领域专家仍面临缺乏适当解决方案以自动化可靠在线声誉分析的挑战。为应对这一挑战，我们提出了一种基于流行语言模型 BERT（Bidirectional Encoder Representations from Transformers，基于 Transformer 的双向编码器表示）的新型声誉分析方法。所提方法在 RepLab 2013 数据集上针对声誉极性任务进行了评估。与以往工作相比，我们在准确率上提升了 5.8%，在平衡准确率上提升了 26.9%，在 F-score 上提升了 21.8%。
引用
@article{arxiv.2211.01954,
title = {A BERT-based Deep Learning Approach for Reputation Analysis in Social Media},
author = {Mohammad Wali Ur Rahman and Sicong Shao and Pratik Satam and Salim Hariri and Chris Padilla and Zoe Taylor and Carlos Nevarez},
journal= {arXiv preprint arXiv:2211.01954},
year = {2022}
}
备注
Accepted to the 19th IEEE/ACS International Conference on Computer Systems and Applications