基于理论驱动的推文自杀内容自动分析：面向LDA数据集的基于典型性分类
社会与信息网络
2018-08-28 v1
摘要
本研究提供了一种方法论框架，使计算机能够根据计划行为理论（TPB）的变量对推文进行分类。我们提出了一种结合监督式方法与无监督式方法的自动文本分析顺序流程，以使计算机检测每条推文中的某一TPB变量。我们进行了潜在狄利克雷分配（LDA）、最近邻分析，随后评估了新标注推文的“典型性”，以预测分类边界。此外，本研究报告了对自杀相关推文进行内容分析所得发现，这些发现揭示了Twitter信息环境的特征。与现有关于自杀报道的文献一致，结果表明推文常包含促使感知到实施自杀的行为控制的信息，而极少提供阻止自杀的信息。最后我们强调了对方法学进展与实证理论研究的启示。
引用
@article{arxiv.1808.08331,
title = {Theory-Driven Automated Content Analysis of Suicidal Tweets : Using Typicality-Based Classification for LDA Dataset},
author = {Joon-Mo Park and Chul-joo Lee and Yunseok Jang},
journal= {arXiv preprint arXiv:1808.08331},
year = {2018}
}
备注
Accepted to ICA 2018: https://convention2.allacademic.com/one/ica/ica18/index.php?program_focus=view_paper&selected_paper_id=1366376&cmd=online_program_direct_link&sub_action=online_program