面向Facebook帖子反应预测的社交情感挖掘技术
人工智能
2017-12-12 v1 计算与语言
信息检索
摘要
自2016年2月起，Facebook 允许用户通过使用五种所谓的“反应”来表达他们对某条帖子的感受情绪。本研究论文提出并评估了用于预测用户在企业和公司（如超市连锁店）公共主页上发布的帖子这些反应的其他方法。为此，我们收集了大型超市连锁店 Facebook 主页上的帖子（及其反应），并构建了一个可供其他研究使用的数据集。为了预测新帖子的反应分布，我们使用预训练词嵌入测试了神经网络架构（卷积神经网络和循环神经网络）。通过引入一种针对每条帖子评论的情感与情绪挖掘自助法 (bootstrapping)，神经网络的预测结果得到了改进。最终模型（神经网络与基线情绪挖掘器的组合）能够以 0.135 的均方误差（或误分类率）预测 Facebook 帖子上的反应分布。
引用
@article{arxiv.1712.03249,
title = {Social Emotion Mining Techniques for Facebook Posts Reaction Prediction},
author = {Florian Krebs and Bruno Lubascher and Tobias Moers and Pieter Schaap and Gerasimos Spanakis},
journal= {arXiv preprint arXiv:1712.03249},
year = {2017}
}
备注
10 pages, 13 figures and accepted at ICAART 2018. (Dataset: https://github.com/jerryspan/FacebookR)