一种用于社交媒体事件主题建模的语义模块化框架
机器学习
2023-01-24 v1 人工智能
摘要
社交媒体的发展导致其频繁共享的内容量不断增长。该平台为人们报告各类现实事件提供了复杂场所。借助自然语言处理检测这些事件已引起研究者关注，并为此开发了多种算法。本文提出一个由5个不同模块组成的语义模块化模型（SMM），即分布去噪自编码器、增量聚类、语义去噪、碎片整理以及排序与处理。所提模型旨在（1）对各类文档聚类并忽略可能无助于事件识别的文档，（2）识别更重要且具有描述性的关键词。与最先进方法相比，结果表明所提模型在三个英文Twitter数据集（FACup、SuperTuesday和USElection）中，以较低排名识别事件及为更重要事件提取关键词方面具有更高性能。所提方法在平均关键词精度度量上以7.9%优于已报告的最佳结果。
引用
@article{arxiv.2301.09009,
title = {A Semantic Modular Framework for Events Topic Modeling in Social Media},
author = {Arya Hadizadeh Moghaddam and Saeedeh Momtazi},
journal= {arXiv preprint arXiv:2301.09009},
year = {2023}
}
备注
32 pages, 2 figures