社交媒体中主题趋势叙事的概率模型：一种离散时间模型
社会与信息网络
2020-12-29 v1 计算与语言
信息检索
摘要
在线社交媒体平台正成为全球事件新闻与叙事的主要来源。然而，缺乏能够辅助传达主要潜在事件的、基于系统摘要的叙事抽取方法。为解决此问题，我们提出了一种新颖的基于事件的叙事摘要抽取框架。我们提出的框架被设计为一个具有分类时间分布的概率主题模型，其后接抽取式文本摘要。我们的主题模型以可变时间分辨率识别主题随时间的重现。该框架不仅从数据中捕获主题分布，还近似了用户活动随时间的波动。此外，我们定义显著性-分散度权衡（SDT）作为一种比较度量，以在带时间戳的语料中识别具有最高生命周期吸引力的主题。我们在一个大型 Twitter 数据语料上评估了我们的模型，该语料包含针对叙利亚白头盔的虚假信息活动中超过一百万条推文。我们的结果表明，所提出的框架在识别主题趋势以及从带时间戳数据的文本语料中抽取叙事摘要方面是有效的。
引用
@article{arxiv.2004.06793,
title = {Probabilistic Model of Narratives Over Topical Trends in Social Media: A Discrete Time Model},
author = {Toktam A. Oghaz and Ece C. Mutlu and Jasser Jasser and Niloofar Yousefi and Ivan Garibay},
journal= {arXiv preprint arXiv:2004.06793},
year = {2020}
}
备注
9 pages, 4 figures