利用演化多项混合模型从推特数据进行观点挖掘
信息检索
2015-09-25 v1 机器学习
摘要
实体的形象可定义为一种结构化的动态表示，可从一组用户或群体的观点中提取。此类形象的自动提取在政治学和社会学相关研究中具有一定重要性，例如当需要来自大规模数据的扩展探究时。我们研究了法国两个具有政治意义实体的形象。这些形象通过分析从知名社交媒体Twitter收集的观点构建。我们的目标是建立一个可用于随时间自动提取实体形象的系统。本文中，我们提出一种基于多项混合模型间参数化链接的新的演化聚类方法。首先，我们提出一个在多项分布间建立参数化链接的广义模型的公式化。随后，我们遵循基于模型的聚类方法来探索不同参数化子模型并选择最佳模型。对于实验，我们首先使用合成时间数据。接着，我们应用该方法分析带标注的社交媒体数据。结果表明，基于常用评价指标，所提方法优于最先进方法。此外，我们的方法能提供关于簇的时间演化的解释。
引用
@article{arxiv.1509.07344,
title = {Opinion mining from twitter data using evolutionary multinomial mixture models},
author = {Md. Abul Hasnat and Julien Velcin and Stéphane Bonnevay and Julien Jacques},
journal= {arXiv preprint arXiv:1509.07344},
year = {2015}
}
备注
Submitted to the Annals of Applied Statistics