贝叶斯回声室：通过语言顺应建模社会影响
机器学习
2015-01-28 v3 计算与语言
机器学习
社会与信息网络
摘要
我们提出了贝叶斯回声室（Bayesian Echo Chamber），这是一种用于社会交互数据的新型贝叶斯生成模型。通过建模人们语言使用随时间的演变，该模型发现了他们之间潜在的影响关系。与以往主要关注通过轮流发言行为体现的简单时间动态的影响推断工作不同，我们的模型捕捉了更细微的影响关系，这些关系通过交互内容中的语言顺应模式得以体现。该模型基于多元 Hawkes 过程的离散类比，允许完全贝叶斯推断算法。我们利用美国最高法院辩论和电影《十二怒汉》的转录文本来验证模型发现潜在影响模式的能力。我们通过使用该模型从联邦公开市场委员会会议转录文本中推断潜在影响模式，展示了其能力，证明了其在揭示群体讨论中社会动态方面的最先进（state-of-the-art）性能。
引用
@article{arxiv.1411.2674,
title = {The Bayesian Echo Chamber: Modeling Social Influence via Linguistic Accommodation},
author = {Fangjian Guo and Charles Blundell and Hanna Wallach and Katherine Heller},
journal= {arXiv preprint arXiv:1411.2674},
year = {2015}
}
备注
14 pages, 7 figures, to appear in AISTATS 2015. Fixed minor formatting issues