社交媒体中消费者信念陈述的分类
机器学习
2023-07-26 v2 计算与语言
信息检索
摘要
社交媒体提供了大量信息以开展市场研究，从而满足客户要求。此类研究的一种方式是领域专家将用户生成内容收集并归类至复杂且细粒度的类结构中。在许多此类情形中，少量数据对应复杂标注。如何成功利用这一点尚未被充分理解。我们考察专家标签在用于a)许多细粒度类别与b)少量抽象类别时的分类精度。对于场景b)，我们将领域专家给出的抽象类标签作为基线，并与自动层次聚类的标签进行比较。我们将其与另一基线比较，其中整个类结构由完全无监督聚类方法给出。通过此举，本工作可作为复杂专家标注如何潜在有益并能以最优方式用于高度特定领域意见挖掘的示例。通过在一系列技术与实验上的探索，我们发现自动类抽象方法尤其是无监督方法在文本分类任务上相对于领域专家基线表现极为出色。这有潜力启发意见挖掘应用以在实践中支持市场研究者，并启发大规模细粒度自动内容分析。
引用
@article{arxiv.2106.15498,
title = {Classification of Consumer Belief Statements From Social Media},
author = {Gerhard Johann Hagerer and Wenbin Le and Hannah Danner and Georg Groh},
journal= {arXiv preprint arXiv:2106.15498},
year = {2023}
}