Viscovery：基于动态主题模型的意见论坛趋势追踪
信息检索
2018-05-02 v1
摘要
由于使用 Web 2.0 平台对品牌和组织发表看法的用户数量不断增加，论坛和社交网络中的意见由数百万人发布。对于企业 or 政府机构而言，追踪人们所说的内容几乎不可能，从而产生了用户需求/期望与组织行动之间的鸿沟。为弥合这一鸿沟，我们创建了 Viscovery，一个能够进行意见摘要和趋势追踪的平台，可分析从论坛中恢复的意见流。为此，我们使用动态主题模型，揭示意见背后主题的隐藏结构，刻画词汇动态。我们扩展了动态主题模型以支持增量学习，这是 Viscovery 近实时模型更新所需的关键方面。此外，我们在 Viscovery 中加入了情感分析，允许在特定主题上以不同粒度级别分离正面/负面词。Viscovery 允许可视化每个主题中的代表性意见和术语。在较粗粒度上，可使用 2D 主题嵌入分析主题动态，提示纵向主题合并或分割。在本文中，我们报告开发该平台的经验，分享从情感分析和主题建模在真实世界应用中所获得的经验教训与机遇。
引用
@article{arxiv.1805.00457,
title = {Viscovery: Trend Tracking in Opinion Forums based on Dynamic Topic Models},
author = {Ignacio Espinoza and Marcelo Mendoza and Pablo Ortega and Daniel Rivera and Fernanda Weiss},
journal= {arXiv preprint arXiv:1805.00457},
year = {2018}
}