大规模社交媒体流中的自动情感分类与主题发现
计算与语言
2025-05-06 v1
摘要
我们提出了一个用于对 Twitter 话语进行大规模情感和主题分析的框架。我们的流程始于使用冲突特定关键词进行定向数据收集，随后通过多个预训练模型进行自动情感标注，以增强标注的鲁棒性。我们研究了情感与时间戳、地理位置和词汇内容等上下文特征之间的关系。为了识别潜在主题，我们在按情感和元数据属性分组的子集上应用了潜在狄利克雷分配（LDA）。最后，我们开发了一个交互式可视化界面，以支持跨时间和区域探索情感趋势和主题分布。这项工作为动态地缘政治背景下的社交媒体分析贡献了一种可扩展的方法论。
引用
@article{arxiv.2505.01883,
title = {Automated Sentiment Classification and Topic Discovery in Large-Scale Social Media Streams},
author = {Yiwen Lu and Siheng Xiong and Zhaowei Li},
journal= {arXiv preprint arXiv:2505.01883},
year = {2025}
}