整合情感分布网络与文本消息分析用于 X 用户情绪状态分类
社会与信息网络
2025-04-16 v1 人工智能
机器学习
摘要
随着社交网络的流行度和覆盖范围的不断攀升,各种主题的意见与情感充斥着这些平台. 在这些平台中,X 社交网络(此前为 Twitter)是一座庞大的舞台,拥有约 4.2 亿活跃用户. 从其在社交媒体上表达的意见中提取用户情绪和心理状态已成为常见 pursuit. 虽然过去的方法主要关注消息的文本内容来分析用户情感,但这些平台的互动性质建议存在更深层的复杂性. 本研究采用混合方法,整合文本分析、个人资料检查、粉丝分析和情感扩散模式. 初始,利用用户交互来细化消息中情感的分类,包括用户相互响应的交流. 引入通信树概念,从而提取模型以映射这些交互. 随后,将通信树中的用户简介和兴趣与消息文本对照,以丰富分析. 最后,在通信树中识别具有影响力的用户,按不同主题分类以衡量兴趣. 本研究指出,传统情感分析方法仅关注文本内容在辨别重大事件(如大选)的情感时是不够的. 与常规方法的比较分析显示,融合情感分布模式和用户个人资料后在准确率上显著提升. 该方法在加入情感分布模式时提升 12%,考虑用户个人资料时提升 15%,凸显其在捕捉细粒度情感动态方面的有效性.
引用
@article{arxiv.2504.10521,
title = {Integrating Emotion Distribution Networks and Textual Message Analysis for X User Emotional State Classification},
author = {Pardis Moradbeiki and Mohammad Ali Zare Chahooki},
journal= {arXiv preprint arXiv:2504.10521},
year = {2025}
}