探索用于测量文本相关性的嵌入：揭示在线评论中的情感与关系
计算与语言
2023-11-01 v2
摘要
在 COVID-19 大流行导致互联网使用量增长 70% 之后，全球范围内使用社交媒体的人数不断增加。Twitter、Meta Threads、YouTube 和 Reddit 等应用变得日益普及，几乎没有不表达民意的数字空间。本文研究了跨各种社交媒体平台评论之间的情感和语义关系，并利用词嵌入分析句子和文档中的成分，探讨了这些不同媒体平台之间共享观点的重要性。它使研究人员、政治家和商业代表能够追踪全球用户之间共享情感的路径。本研究提出了多种方法来测量从这些流行在线平台上的用户评论中提取的文本的相关性。通过利用嵌入来捕获单词之间的语义关系并帮助分析网络上的情感，我们能够揭示关于整体民意的联系。该研究利用了来自 YouTube、Reddit、Twitter 等的现有数据集。我们利用流行的自然语言处理模型，如 Bidirectional Encoder Representations from Transformers (BERT)，来分析情感并探索评论嵌入之间的关系。此外，我们旨在利用聚类和 KL 散度来发现跨各种社交媒体平台的这些评论嵌入内的语义关系。我们的分析将有助于更深入地理解在线评论之间的相互联系，并将研究互联网作为一个大型互联大脑运作的概念。
引用
@article{arxiv.2310.05964,
title = {Exploring Embeddings for Measuring Text Relatedness: Unveiling Sentiments and Relationships in Online Comments},
author = {Anthony Olakangil and Cindy Wang and Justin Nguyen and Qunbo Zhou and Kaavya Jethwa and Jason Li and Aryan Narendra and Nishk Patel and Arjun Rajaram},
journal= {arXiv preprint arXiv:2310.05964},
year = {2023}
}
备注
6 pages, 5 figures, 3 tables, accepted to the Second International Conference on Informatics (ICI-2023)