基于无监督机器学习通过 Twitter 分析城市物流
机器学习
2019-06-19 v1 计算机与社会
社会与信息网络
机器学习
摘要
城市物流的特征在于多个利益相关方常对此复杂系统持有不同观点。从公共政策视角看，识别利益相关方、议题与趋势是一项艰巨挑战，传统观测系统仅能部分应对。如今，社交媒体是公众表达的最大渠道之一，常被用于传达与城市物流相关的观点与内容。本研究的设想是，分析社交媒体内容有助于理解公众对城市物流的认知。本文提出一种从 Twitter 采集内容并应用机器学习技术（无监督学习与自然语言处理）进行内容与情感分析的方法论。所提方法应用于超过 110000 条含城市物流关键术语的推文。结果构建了概念兴趣图与情感分析，以确定城市物流条目为正面、负面或中性。
引用
@article{arxiv.1906.07529,
title = {Unsupervised machine learning to analyse city logistics through Twitter},
author = {Simon Tamayo and François Combes and Gaudron Arthur},
journal= {arXiv preprint arXiv:1906.07529},
year = {2019}
}