融入社交网络的用户级情感分析
计算与语言
2011-09-29 v1 信息检索
数据分析、统计与概率
物理与社会
摘要
我们表明，关于社会关系的信息可用于改进用户级情感分析。我们方法背后的主要动机是，那些以某种方式“连接”的用户可能更倾向于持有相似的观点；因此，关系信息可以补充我们从用户话语中提取的关于其观点的信息。我们以Twitter作为实验数据来源，在半监督框架内工作，提出了从Twitter关注者/被关注者网络或由用户使用“@”提及彼此形成的Twitter网络中归纳出的模型。我们的转导学习结果表明，与仅能访问文本特征的基于支持向量机的方法的性能相比，融入社交网络信息确实可以带来统计上显著的情感分类改进。
引用
@article{arxiv.1109.6018,
title = {User-level sentiment analysis incorporating social networks},
author = {Chenhao Tan and Lillian Lee and Jie Tang and Long Jiang and Ming Zhou and Ping Li},
journal= {arXiv preprint arXiv:1109.6018},
year = {2011}
}
备注
Proceedings of KDD 2011. Poster