预测社交媒体中短叙事的质量
计算与语言
2017-07-11 v1 社会与信息网络
摘要
在为叙事构建计算模型时，一个重要且困难的挑战是叙事质量的自动评价。质量评价连接了叙事理解与生成，因为生成系统需要评价自身产物。为规避获取标注的困难，我们采用社交媒体中的点赞数作为故事质量的近似度量。我们从众包问答网站Quora收集了54,484个回答，然后使用主动学习构建了一个将28,320个回答标注为故事的分类器。为了在不使用社交网络特征的情况下预测点赞数量，我们创建了建模文本区域及区域间相互依赖关系的神经网络，其作为未来研究的强基准。据我们所知，这是首个关于叙事质量自动评价的大规模研究。
引用
@article{arxiv.1707.02499,
title = {Predicting the Quality of Short Narratives from Social Media},
author = {Tong Wang and Ping Chen and Boyang Li},
journal= {arXiv preprint arXiv:1707.02499},
year = {2017}
}
备注
7 pages, 2 figures. Accepted at the 2017 IJCAI conference