CTM——一种大规模多视角推文主题分类模型

自动将社交媒体帖子与主题关联是许多社交媒体平台有效搜索与推荐的重要前提。然而，此类帖子的主题分类颇具挑战，原因在于（a）庞大的主题空间，（b）具有弱主题线索的短文本，以及（c）每篇帖子存在多个主题关联。与大多数仅关注将帖子分类为少量主题（$10$-$20$）的已有工作不同，我们考虑在 Twitter 背景下的大规模主题分类任务，其中主题空间大 $10$ 倍且每篇推文可能具有多个主题关联。我们通过提出一种新颖的神经模型 CTM 来应对上述挑战，该模型（a）支持 $300$ 个主题的大规模主题空间，且（b）对推文内容建模采取整体方法——利用多模态内容、作者上下文以及推文中更深层的语义线索。我们的方法通过取得优于其他方法的性能（中位平均精度得分相对提升 $\mathbf{20}\%$），提供了一种在规模上分类推文主题的有效途径，并已在 Twitter 生产环境中成功部署。