Empath：理解大规模文本中的主题信号
计算与语言
2016-02-24 v1 人工智能
摘要
人类语言受到广泛主题的色彩渲染，但现有的文本分析工具只关注其中少数主题。我们提出 Empath，一种能够从一小部分种子词（如“bleed”和“punch”生成 violence 类别）按需生成并验证新词汇类别的工具。Empath 通过深度学习超过 18 亿词现代小说的神经嵌入，在词与短语间建立内涵关联。给定刻画某个类别的一小组种子词，Empath 利用其神经嵌入发现新的相关术语，然后通过众包过滤验证该类别。Empath 还分析了我们基于网络数据集中的常见主题（如 neglect、government 和 social media）生成的 200 个内置、预验证类别上的文本。我们展示 Empath 的数据驱动、人工验证的类别与 LIWC 中的相似类别高度相关（r=0.906）。
引用
@article{arxiv.1602.06979,
title = {Empath: Understanding Topic Signals in Large-Scale Text},
author = {Ethan Fast and Binbin Chen and Michael Bernstein},
journal= {arXiv preprint arXiv:1602.06979},
year = {2016}
}
备注
CHI: ACM Conference on Human Factors in Computing Systems 2016