中文

2013 年皇室诞生:利用 Twitter 分析与可视化英国公众情绪

计算机与社会 2013-08-13 v1 地球物理

摘要

分析从 Twitter 等微博客服务检索到的信息,可以深入了解特定地理区域的公众情绪。通过在地理背景下可视化信息,可以丰富这种洞察。情感分析的两种基本方法是基于词典的方法和机器学习方法。前者在公众情绪分析中很流行,而后者在聚合 Twitter 数据的公众情绪方面应用有限。本文提出的研究旨在扩展用于聚合公众情绪的机器学习方法。为此,开发了一个用于分析和可视化 Twitter 语料库中公众情绪的框架。在该框架内实现了基于词典的方法和机器学习方法,并利用一个英国案例研究(即 2013 年皇室诞生)进行了比较。该案例研究验证了该框架用于分析和快速可视化的可行性。一项观察结果是,当分析大量推文时,流行的基于词典的方法与机器学习方法产生的结果之间存在良好的相关性。然而,为了实现快速分析,需要利用大数据技术和并行方法开发更快的方法。

关键词

引用

@article{arxiv.1308.1846,
  title  = {Developing and Testing the Automated Post-Event Earthquake Loss Estimation and Visualisation (APE-ELEV) Technique},
  author = {Anthony Astoul and Christopher Filliter and Eric Mason and Andrew Rau-Chaplin and Kunal Shridhar and Blesson Varghese and Naman Varshney},
  journal= {arXiv preprint arXiv:1308.1846},
  year   = {2013}
}

备注

Bulletin of Earthquake Engineering, 2013