EDSA-Ensemble：一种事件检测情感分析集成架构
人工智能
2023-01-31 v1 机器学习
社会与信息网络
摘要
随着全球数字化持续推进，技术变得更廉价且更易用，社交媒体平台蓬勃发展，成为传播信息与新闻的新途径。围绕分享和讨论时事构建起各类社群。在这些社群中，用户得以分享各自对每起事件的看法。利用情感分析（Sentiment Analysis）来理解属于某事件的每条消息乃至整个事件的情感极性，有助于更好地理解在线社交网络上重大趋势的总体与个人感受及其动态。在此背景下，我们提出一种新的集成架构 EDSA-Ensemble（事件检测情感分析集成），它利用事件检测与情感分析来改进从社交媒体中识别时事极性的能力。对于事件检测，我们采用基于信息扩散的技术，同时考虑时间跨度和话题。为检测每个事件的极性，我们对文本进行预处理，并采用多种机器与深度学习模型来构建集成模型。预处理步骤包含若干词表示模型，即原始词频、TFIDF、Word2Vec 和 Transformers。所提出的 EDSA-Ensemble 架构在事件情感分类上优于单独的机器与深度学习模型。
引用
@article{arxiv.2301.12805,
title = {EDSA-Ensemble: an Event Detection Sentiment Analysis Ensemble Architecture},
author = {Alexandru Petrescu and Ciprian-Octavian Truică and Elena-Simona Apostol and Adrian Paschke},
journal= {arXiv preprint arXiv:2301.12805},
year = {2023}
}