COVID-19推文的动态主题识别与标注方法
信息检索
2021-09-07 v1 机器学习
摘要
本文提出了从COVID-19推文中动态识别带有恰当标注的关键主题的问题，以提供更广泛的舆论概览。如今，社交媒体是通过互联网技术连接人们的最佳方式之一，也被视为我们日常生活的重要组成部分。2019年12月下旬，报告了新型冠状病毒COVID-19的爆发，世界卫生组织因其全球快速传播宣布了紧急状态。COVID-19疫情影响了全球许多人对社交媒体的使用。Twitter是最具影响力的社交媒体服务之一，其使用量在疫情期间急剧增加。因此，从COVID-19推文中动态提取带标注的特定主题，对于突出对话而非人工主题标注方法而言是一个具有挑战性的问题。在本文中，我们提出了一种框架，利用由Latent Dirichlet Allocation (LDA)生成主题的方面词簇的顶级Unigram特征，自动从推文中识别带标注的关键主题。我们的实验结果表明，这种动态主题识别与标注方法是有效的，相对于人工静态方法具有85.48%的准确率。
引用
@article{arxiv.2109.02462,
title = {A Dynamic Topic Identification and Labeling Approach of COVID-19 Tweets},
author = {Khandaker Tayef Shahriar and Iqbal H. Sarker and Muhammad Nazrul Islam and Mohammad Ali Moni},
journal= {arXiv preprint arXiv:2109.02462},
year = {2021}
}