用于社交媒体动态情感分析的三部图聚类

社交媒体（如 Twitter）的日益普及使用户能够轻松共享信息，并通过表达对各种主题的情感来影响他人。在本文中，我们提出了一种无监督的\emph{三聚类}（tri-clustering）框架，该框架通过对三部图进行共聚类来分析用户层面和推文层面的情感。该框架的一个显著特点是，通过联合聚类可以相互提高推文、用户和特征的情感聚类质量。我们进一步研究了在线框架中用户层面情感和潜在特征向量的演化，并设计了一种高效的在线算法，以利用新到达的数据顺序更新推文、用户和特征的聚类。该在线框架不仅提供了更高质量的动态用户层面和推文层面情感分析，还提高了计算和存储效率。我们在 2012 年 11 月加州公投的 Twitter 数据上验证了所提方法的有效性和效率。