推文图：一种用于子事件识别的图合并方法
计算与语言
2021-01-12 v1 人工智能
摘要
图结构是对文本元素间关系建模的有力工具。词图（GoW）已被许多自然语言任务采用以编码词项间的关联。然而，在文档间联系同样重要的情形下，GoW 提供的文档级关系很少。对于在如 Twitter 的社交媒体上识别子事件，来自词级和文档级的特征均有用，因为它们提供事件的不同信息。我们提出一种混合推文图（GoT）模型，结合词级与文档级结构对推文建模。为压缩大量原始数据，我们提出一种利用 FastText 词嵌入来精简 GoW 的图合并方法。此外，我们提出一种用精简 GoW 与互信息（MI）度量构建 GoT 的新方法。最后，我们识别最大团以提取热门子事件。我们的模型在压缩词汇级信息和捕捉子事件关键词方面展现出有前景的结果。
引用
@article{arxiv.2101.03208,
title = {Graph-of-Tweets: A Graph Merging Approach to Sub-event Identification},
author = {Xiaonan Jing and Julia Taylor Rayz},
journal= {arXiv preprint arXiv:2101.03208},
year = {2021}
}
备注
Accepted by 2020 IEEE/WIC/ACM International Joint Conference on Web Intelligence and Intelligent Agent Technology (WI-IAT) Workshop on Data Analytics on Social Media (DASM)