文献

J-GLOBAL ID：201702237897540191   整理番号：17A1397739

ソーシャルメディア短テキストにおけるトピック進化モデリング【Powered by NICT】

Modeling Topic Evolution in Social Media Short Texts

著者 (3件)： Zhang Yuhao ,  Mao Wenji ,  Lin Junjie
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICBK  ページ： 315-319  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ツイート,インスタントメッセージのようなソーシャルメディア短いテキストはホットな話題と世論に関する貴重な情報の提供も行われている。これらオンライン内容物からの検出と追跡の話題は,人々が重要な情報とその変化を把握し,多くの応用を促進するのに役立つことができる。LDAに基づいて構築トピック進化モデルは,トピック数を手動でする必要がある,それは異なる期間中に変化せず,含有量に基づいて調整できなかった。ノンパラメトリック話題進化モデルはデータスパース性問題のために短いテキストに非常にうまく作動しない。本論文では,短いテキストのためのノンパラメトリック話題進化モデルを提案した。モデルは話題比率の事前分布として再発中華料理店過程を用いた。単語共起モデリングとそれを組み合わせる事によって,筆者らはソーシャルメディア短いテキストに適した話題進化モデルを構築した。ツイッターデータセットに関する実験的研究を行った。結果は筆者らの手法がベースライン手法よりも優れており,ソーシャルメディア短いテキストにおける主題変化を監視できることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *モデリング ,  基準線 ,  レストラン ,  世論 ,  モデル ,  単語 ,  ノンパラメトリック法 ,  再発
準シソーラス用語： 実験研究 ,  事前分布 ,  スパース性 ,  進化モデル ,  *テキスト ,  *ソーシャルメディア , 【Automatic Indexing@JST】

分類 (1件)： その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： ソーシャルメディア ,  トピック ,  進化 ,  モデリング