利用预训练语言模型在社交媒体中进行时间感知的主题识别：以电动汽车为例
计算与语言
2022-10-12 v1 社会与信息网络
摘要
近期日益激烈的商业竞争环境促使企业密切关注社交媒体，因为人们越来越认识到客户语言（例如需求、兴趣和投诉）是未来机遇的来源。这一分析社交媒体数据的研究方向在学术界引起了广泛关注，但由于大多数方法提供的是回顾性结果，其实用性受到限制。此外，用户生成内容的不断增加和主题的快速变化使得时间感知的主题演变分析成为必然需求。近期，一些研究人员展示了预训练语义语言模型作为社交媒体输入特征的适用性，但在理解不断演变的主题方面仍存在局限性。在本研究中，我们提出了一种利用预训练语言模型的时间感知主题识别方法。该方法由两个阶段组成：用于利用语言模型跟踪时变主题的动态聚焦函数，以及用于考察未来有前景主题的涌现评分函数。在此，我们将该方法应用于关于电动汽车的 reddit 数据，我们的发现突出了以时间感知的方式从海量社交媒体中捕捉新兴客户主题的可行性。
引用
@article{arxiv.2210.05143,
title = {Time-aware topic identification in social media with pre-trained language models: A case study of electric vehicles},
author = {Byeongki Jeong and Janghyeok Yoon and Jaewoong Choi},
journal= {arXiv preprint arXiv:2210.05143},
year = {2022}
}