SocialVisTUM：面向社交媒体观点挖掘中相关神经主题模型的交互式可视化工具包
计算与语言
2023-07-26 v2
摘要
近期观点挖掘研究提出了基于词嵌入的主题建模方法，相较于传统主题建模具有更优的一致性。在本文中，我们展示了如何利用这些方法通过我们所提出的交互式可视化工具包 SocialVisTUM 在社交媒体文本上展示相关主题模型。该工具包将主题显示为节点、主题间相关性显示为边的图。进一步细节通过交互方式呈现，以支持对大型文本集合的探索，例如主题的代表性词语与句子、主题与情感分布、层次化主题聚类，以及可定制的预定义主题标签。该工具包针对自定义数据自动优化以获得最优一致性。我们展示了在从关于有机食品消费的英文社交媒体讨论中爬取的数据上运行的工具包实例。该可视化证实了定性消费者研究的一项发现。SocialVisTUM 及其训练流程可在线获取。
引用
@article{arxiv.2110.10575,
title = {SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural Topic Models on Social Media Opinion Mining},
author = {Gerhard Johann Hagerer and Martin Kirchhoff and Hannah Danner and Robert Pesch and Mainak Ghosh and Archishman Roy and Jiaxi Zhao and Georg Groh},
journal= {arXiv preprint arXiv:2110.10575},
year = {2023}
}
备注
Demo paper accepted for publication on RANLP 2021; 8 pages, 5 figures, 1 table