社交媒体词性标注中的风格变异
计算与语言
2018-04-23 v1 人工智能
摘要
社交媒体具有显著的风格变异，给在线写作的句法分析带来新挑战。然而，这种变异常与作者属性（如年龄、性别和地理）以及更易获取的社会网络元数据相对齐。在本文中，我们报告了在词性标注任务中语言与社会网络之间联系的新证据。我们发现标注器错误率与社会网络结构相关，在网络某些部分准确率高，而在其他地方较低。因此，标注器准确性取决于从网络的均衡样本中训练，而非从狭窄子社区文本中训练。我们还描述了通过构建混合专家模型来增强对风格变异鲁棒性的尝试，其中每个专家与社会网络的一个区域相关联。尽管先前工作发现类似方法在情感分析和实体链接中带来性能提升，但尽管有词性错误率与社会网络结构之间联系的强证据，我们未能在词性标注中获得性能提升。
引用
@article{arxiv.1804.07331,
title = {Stylistic Variation in Social Media Part-of-Speech Tagging},
author = {Murali Raghu Babu Balusu and Taha Merghani and Jacob Eisenstein},
journal= {arXiv preprint arXiv:1804.07331},
year = {2018}
}
备注
9 pages, Published in Proceedings of NAACL workshop on stylistic variation (2018)