识别社交媒体上的可操作消息
信息检索
2015-11-04 v1 社会与信息网络
摘要
文本可操作性检测是指根据用户创作的自然语言文本是否可被响应代理执行来对其分类的问题。本文中，我们提出一个用于社交媒体消息的领域感知、大规模可操作性分类的监督学习框架。我们推导词典，对超过25个基于文本的特征进行深度分析，并探索处理训练数据有限领域的策略。我们将这些方法应用于来自Facebook和Twitter的跨越75家公司和35种语言的超过4600万条消息。模型达到了0.78的聚合人口加权F值和0.74的准确率，在某些情况下数值超过0.9。
引用
@article{arxiv.1511.00722,
title = {Identifying Actionable Messages on Social Media},
author = {Nemanja Spasojevic and Adithya Rao},
journal= {arXiv preprint arXiv:1511.00722},
year = {2015}
}
备注
9 pages, 2015 IEEE International Big Data Conference