时间线生成：追踪 Twitter 上的个人
社会与信息网络
2014-02-10 v3 信息检索
摘要
在本文中，我们提出了一种无监督框架，通过基于用户发布的推文创建{\it 个人重要事件} (PIE) 的时间顺序列表，来重构个人的生活历史。通过分析个人推文集合，我们发现适合纳入个人时间线的推文应是关于个人（而非公共）且特定时间（而非一般时间）主题的推文。为了进一步提取这些类型的主题，我们引入了一种非参数多级 Dirichlet Process 模型来识别四种类型的推文：个人特定时间 (PersonTS)、个人一般时间 (PersonTG)、公共特定时间 (PublicTS) 和公共一般时间 (PublicTG) 主题，进而用于进一步的个人事件提取和时间线生成。据我们所知，这是第一项专注于从 Twitter 数据生成个人时间线的工作。为了评估，我们基于 Twitter 和 Wikipedia 构建了一个新的黄金标准时间线数据集，包含来自 20 位{\it 普通 Twitter 用户}和 20 位{\it 名人}的 PIE 相关事件。在真实 Twitter 数据上的实验定量地证明了我们方法的有效性。
引用
@article{arxiv.1309.7313,
title = {Timeline Generation: Tracking individuals on Twitter},
author = {Jiwei Li and Claire Cardie},
journal= {arXiv preprint arXiv:1309.7313},
year = {2014}
}