基于多层网络对推文进行图形化表示的情绪分析
人工智能
2022-08-23 v2 社会与信息网络
摘要
预测受众对某一文本的反应在政治、研究和商业行业等多个社会层面中至关重要。情感分析（SA）是一种有用的自然语言处理（NLP）技术，它利用词汇/统计和深度学习方法来确定不同规模的文本是否表现出积极、消极或中性情绪。然而，目前缺乏可用于分析独立文本组并从整个集合中提取主要情绪的工具。因此，本文提出了一种称为多层推文分析器（MLTA）的新算法，该算法使用多层网络（MLN）对社交媒体文本进行图形化建模，以更好地编码独立推文集之间的关系。与其他表示方法相比，图结构能够捕捉复杂生态系统中有意义的关系。使用最先进的图神经网络（GNN）从 Tweet-MLN 中提取信息，并基于提取的图特征进行预测。结果表明，MLTA 不仅从更大的一组可能情绪中进行预测，提供比标准积极、消极或中性更准确的情感，而且还允许对 Twitter 数据进行准确的组级预测。
引用
@article{arxiv.2207.00907,
title = {Emotion Analysis using Multi-Layered Networks for Graphical Representation of Tweets},
author = {Anna Nguyen and Antonio Longa and Massimiliano Luca and Joe Kaul and Gabriel Lopez},
journal= {arXiv preprint arXiv:2207.00907},
year = {2022}
}