利用语义聚类支持Twitter上的态势感知：以世界观为例
计算与语言
2018-07-18 v1
摘要
近年来，态势感知已被认为是有效决策的关键部分，尤其是在危机管理中。提取价值并实现更好态势感知的一种方法是开发一个能够分析多帖子数据集的系统，并将一致的帖子聚类为不同的观点或故事（即世界观）。然而，这可能具有挑战性，因为它需要理解数据，包括确定哪些数据是一致的，以及哪些数据佐证了其他数据。为了尝试解决这些问题，本文提出了主谓宾语义后缀树聚类（SVOSSTC）以及支持它的系统，特别关注Twitter内容。SVOSSTC的新颖性和价值在于其强调利用主谓宾（SVO）类型来构建语义一致的世界观，使个人——尤其是参与危机响应的人——能够从社交媒体数据中获得增强的态势图像。为了评估我们的系统及其提供增强态势感知的能力，我们使用各种真实场景，将其与现有方法（包括人工数据分析）进行了测试。结果表明有显著程度的证据（例如在聚类粒度和有意义性方面）来确认我们方法的适用性和严谨性。此外，这些结果凸显了本文的提议是对研究领域的创新且实用的系统贡献。
引用
@article{arxiv.1807.06588,
title = {Using semantic clustering to support situation awareness on Twitter: The case of World Views},
author = {Charlie Kingston and Jason R. C. Nurse and Ioannis Agrafiotis and Andrew Milich},
journal= {arXiv preprint arXiv:1807.06588},
year = {2018}
}