面向社会动荡的推文过滤
计算与语言
2017-04-04 v2 信息检索
机器学习
机器学习
摘要
自阿拉伯之春事件以来，利用社交媒体预测社会动荡的兴趣日益增加。尽管在动荡自动预测方面已有诸多努力，但我们专注于过滤海量推文以识别与动荡相关的推文，这些推文可提供给下游用户以供进一步分析。我们训练了一个监督分类器，能够以高可靠性将阿拉伯语推文标记为与动荡相关。我们考察了训练数据规模与性能之间的关系，并研究了在最小化成本的同时优化模型构建过程的方法。我们还探讨了如何设置置信度阈值以达到期望的性能水平。
引用
@article{arxiv.1702.06216,
title = {Filtering Tweets for Social Unrest},
author = {Alan Mishler and Kevin Wonus and Wendy Chambers and Michael Bloodgood},
journal= {arXiv preprint arXiv:1702.06216},
year = {2017}
}
备注
7 pages, 8 figures, 3 tables; published in Proceedings of the 2017 IEEE 11th International Conference on Semantic Computing (ICSC), San Diego, CA, USA, pages 17-23, January 2017