瑞典语冠状病毒新闻报道的主题建模：基于潜在狄利克雷分配方法的案例研究
计算与语言
2023-04-19 v6 社会与信息网络
摘要
主题建模（TM）属于自然语言理解（NLU）与自然语言处理（NLP）的研究分支，旨在从大型文档与数据集中辅助进行洞察性分析，例如主要主题的摘要与主题变迁。由于其对大数据分析的影响，此类发现在实际应用中的受欢迎程度与日俱增。在本研究中，我们从社交媒体与医疗健康领域出发，应用流行的潜在狄利克雷分配（LDA）方法对瑞典语冠状病毒新闻报道中的主题变迁进行建模。我们描述了所构建的语料库（包含 6515 篇文章）、所应用的方法，以及从 2020 年 1 月 17 日至 2021 年 3 月 13 日约 1 年零两个月的时段内主题变迁的统计。我们希望本工作能成为主题建模落地应用的宝贵资源，并在大流行时代为类似案例研究提供启发，以支持社会经济影响研究以及临床与医疗健康分析。我们的数据与源代码公开于 https://github.com/poethan/Swed_Covid_TM 关键词：潜在狄利克雷分配（LDA）；主题建模；冠状病毒；大流行；自然语言理解；BERT-topic
引用
@article{arxiv.2301.03029,
title = {Topic Modelling of Swedish Newspaper Articles about Coronavirus: a Case Study using Latent Dirichlet Allocation Method},
author = {Bernadeta Griciūtė and Lifeng Han and Goran Nenadic},
journal= {arXiv preprint arXiv:2301.03029},
year = {2023}
}
备注
Accepted to International HealthNLP WS @ IEEE-ICHI2023 https://ieeeichi.github.io/ICHI2023/