Twitter 数据中社会不稳定的早期预警信号
计算与语言
2023-03-10 v1 机器学习
社会与信息网络
摘要
本项目的目标是创建并研究新技术，仅利用社交媒体上公开可用的数据来识别社会破坏性事件（如骚乱、战争或革命）的早期预警信号。此类技术需具备足够的鲁棒性以在实时数据上工作：为实现该目标，我们提出一种拓扑方法以及更标准的 BERT 模型。事实上，基于拓扑的算法可证明对形变和噪声具有稳定性，似乎在低数据场景下表现良好。总体思路是构建一个二分类器，预测给定推文是否与破坏性事件相关。结果表明，持久梯度方法稳定且甚至优于基于深度学习的异常检测算法。我们还针对样本外任务对方法的泛化性进行了基准测试，结果非常有前景。
引用
@article{arxiv.2303.05401,
title = {Early Warning Signals of Social Instabilities in Twitter Data},
author = {Vahid Shamsaddini and Henry Kirveslahti and Raphael Reinauer and Wallyson Lemes de Oliveira and Matteo Caorsi and Etienne Voutaz},
journal= {arXiv preprint arXiv:2303.05401},
year = {2023}
}
备注
22 pages