不再衰减：用于学习社会意义的持久化Twitter数据集
计算与语言
2022-05-10 v2 人工智能
摘要
随着社交媒体的激增，许多研究借助社交媒体构建数据集以开发社会意义理解系统。以流行的Twitter为例，由于平台的数据分发政策，大多数研究者仅分发推文ID而不提供实际文本内容。一个问题是，这些帖子随时间推移越来越难以获取，从而导致社交媒体研究中的不公平比较与时间偏差。为缓解这一数据衰减挑战，我们利用释义模型提出了一种新的用于社会意义的持久化英文Twitter数据集(PTSM)。PTSM由个社会意义数据集组成，涵盖类任务。我们使用两个SOTA预训练语言模型进行实验，表明我们的PTSM可用释义替代实际推文，且性能损失微小。
引用
@article{arxiv.2204.04611,
title = {Decay No More: A Persistent Twitter Dataset for Learning Social Meaning},
author = {Chiyu Zhang and Muhammad Abdul-Mageed and El Moatez Billah Nagoudi},
journal= {arXiv preprint arXiv:2204.04611},
year = {2022}
}
备注
1st Workshop on Novel Evaluation Approaches for Text Classification Systems on Social Media (NEATCLasS) colocated at ICWSM 2022. arXiv admin note: text overlap with arXiv:2108.00356