基于时序图聚类的主题迁移追踪
计算与语言
2021-04-19 v1
摘要
Twitter 作为许多自然语言处理（NLP）任务的数据源。由于数据流持续更新，在 Twitter 上识别主题可能具有挑战性。本文提出一种无监督的基于图的框架，用于识别两周真实世界 Twitter 数据中子主题的演化。我们首先采用带节点移除方法的马尔可夫聚类算法（MCL）从时序词图（GoW）中识别最优图聚类。随后，我们对时序图之间的聚类迁移进行建模以识别主题演化。最后，将计算方法与人工标注生成的迁移流进行比较，以确保我们框架的有效性。
引用
@article{arxiv.2104.07836,
title = {Tracing Topic Transitions with Temporal Graph Clusters},
author = {Xiaonan Jing and Qingyuan Hu and Yi Zhang and Julia Taylor Rayz},
journal= {arXiv preprint arXiv:2104.07836},
year = {2021}
}
备注
Accepted as full paper by the 34th International FLAIRS Conference