学习发现社交媒体流中的关键时刻
社会与信息网络
2015-08-04 v1
摘要
本文介绍LABurst，一种用于识别社交媒体流中关键时刻（即高影响时刻）的通用技术，无需领域特定信息或种子关键词。我们利用机器学习对Twitter未过滤公共样本流中突发周围的时间模式进行建模，并构建分类器以识别经历这些突发的词元。我们展示LABurst与现有突发检测技术性能相当，同时提供对未预期时刻的洞察与检测。为演示本方法的潜力，我们将两种基线事件检测算法与我们的语言无关算法进行比较，以在三项主要体育赛事中检测关键时刻：2013年世界系列赛、2014年超级碗和2014年世界杯。我们的结果表明，尽管无任何领域知识，LABurst优于时间序列分析基线，且与领域特定基线性能相当。我们进一步将体育领域中学得的LABurst模型迁移至识别日本地震的任务，并显示我们的方法在实际事件发生后两分钟内检测到地震相关词元的大幅峰值。
引用
@article{arxiv.1508.00488,
title = {Learning to Discover Key Moments in Social Media Streams},
author = {Cody Buntain and Jimmy Lin and Jennifer Golbeck},
journal= {arXiv preprint arXiv:1508.00488},
year = {2015}
}