建模社会读者：从在线书评出发处理接受问题的新工具
计算与语言
2021-05-10 v2 应用统计
摘要
在计算文学研究中，读者对文学的回应很少受到关注。社交媒体的兴起为捕捉这部分回应提供了机会，而对回应的数据驱动分析可以就人们如何“阅读”提供新的批评性洞见。在 Goodreads（一个承载通俗文学用户讨论的社交媒体平台）上讨论单本书的帖子被称为“评论”，由情节摘要、观点、引文或这些内容的某种混合构成。由于这些评论由读者撰写，对它们进行计算建模使人能够发现关于一部作品的整体非专业讨论空间，包括作品情节的聚合摘要、事件重要性的隐式排序，以及读者对主要人物的印象。我们开发了一套相互衔接的计算工具流水线，以提取这种由读者生成的共享叙事模型的表示。使用一个包含五部流行小说评论的语料库，我们发现了读者对小说主要故事线的提炼、他们对人物相对重要性的理解，以及读者对这些人物各异的印象。在此过程中，我们对无限词汇网络的研究做出了三个重要贡献：(i) 一个自动导出的包含元行动元的叙事网络；(ii) 一个新的排序算法 REV2SEQ，基于从评论中聚合的部分轨迹生成事件的一致序列；(iii) 一个新的“印象”算法 SENT2IMP，提供关于读者对人物观点的更精细、非平凡且多模态的洞见。
引用
@article{arxiv.2105.01150,
title = {Modeling Social Readers: Novel Tools for Addressing Reception from Online Book Reviews},
author = {Pavan Holur and Shadi Shahsavari and Ehsan Ebrahimzadeh and Timothy R. Tangherlini and Vwani Roychowdhury},
journal= {arXiv preprint arXiv:2105.01150},
year = {2021}
}