用于 Twitter 观点预测的神经网络时序观点建模
社会与信息网络
2020-05-28 v1 计算与语言
摘要
由于推文内容及其邻域上下文的瞬时性，Twitter 上的观点预测具有挑战性。在本文中，我们将用户的推文发布行为建模为时序点过程，以在给定用户历史推文序列及其邻居所发推文的条件下，联合预测下一条推文的发布时间与立场标签。我们设计了一种主题驱动的注意力机制来捕捉邻域上下文中的动态主题偏移。实验结果表明，与多个竞争性基线相比，所提模型能更准确地预测未来推文的发布时间与立场标签。
引用
@article{arxiv.2005.13486,
title = {Neural Temporal Opinion Modelling for Opinion Prediction on Twitter},
author = {Lixing Zhu and Yulan He and Deyu Zhou},
journal= {arXiv preprint arXiv:2005.13486},
year = {2020}
}
备注
To appear at ACL2020