用于理解社交媒体中用户级情感的异质图模型
机器学习
2019-12-18 v1 计算与语言
信息检索
社会与信息网络
机器学习
摘要
过去十年中社交媒体经历了巨大增长，并以快速步伐持续扩张。随着如此广泛的采用，它正日益成为观点挖掘与情感分析的丰富数据源。因此社交媒体中情感的检测与分析是一个有价值的话题，吸引了大量研究努力。早期多数工作聚焦于解决该问题的监督学习方法，其需要昂贵的人工标注从而限制了实际用途。在我们的工作中，我们提出一种半监督方法来预测针对特定主题的用户级情感。我们定义并利用由用户社交网络构建的异质图，基于相连用户在社交网络中通常共享相似情感这一认知。相较先前工作，我们有若干创新：（1）我们将用户的影响力/权威性纳入模型；（2）我们将基于评论与基于点赞的用户-用户链接加入图中；（3）我们将多个异质图叠加为一个，从而允许两用户间存在多种类型链接。
引用
@article{arxiv.1912.07911,
title = {A Heterogeneous Graphical Model to Understand User-Level Sentiments in Social Media},
author = {Rahul Radhakrishnan Iyer and Jing Chen and Haonan Sun and Keyang Xu},
journal= {arXiv preprint arXiv:1912.07911},
year = {2019}
}
备注
6 pages, 1 figure