面向职业推断的认知感知短文本理解
计算与语言
2021-06-15 v1 信息检索
机器学习
社会与信息网络
摘要
利用短文本内容估计微博作者的职业在许多应用中具有显著收益。然而挑战重重。首先,简短的文本内容带有过多词汇噪声,使推断问题困难。其次,认知语义并不明显,且重要的语言特征潜藏于短文本内容中。第三,难以衡量认知短文本语义与各类职业相关特征之间的关联。我们认为,需要多方面认知特征才能将短文本内容正确关联到特定工作,并为该职业发现合适人选。为此,我们设计了一种新颖框架,一方面可推断短文本内容并利用认知特征,另一方面融合所采用的多种新颖算法(如曲线拟合、支持向量和提升模块)以更好地预测作者职业。最终的估计模块通过一致性权重构建 -树,以在推断过程中调优最佳结果。我们在真实 Twitter 数据上进行了全面实验。实验结果表明,与其他对手相比,我们的认知多方面模型在职业估计过程中能取得更高性能,而在此过程中用户上下文语义不可忽视。
引用
@article{arxiv.2106.07363,
title = {Cognitive-aware Short-text Understanding for Inferring Professions},
author = {Sayna Esmailzadeh and Saeid Hosseini and Mohammad Reza Kangavari and Wen Hua},
journal= {arXiv preprint arXiv:2106.07363},
year = {2021}
}