国产精品色吧国产精品,狠狠色综合久久成人18免费网站

為適應新數據類型，信息抽取、自動分類聚類、自動文摘索引、統(tǒng)計機器翻譯方面的研究方法需要進行調整修正。本書針對可大量獲取的非傳統(tǒng)社交媒體數據（大數據），回顧當前自然語言處理工具、方法的相關研究成果。同時展示了創(chuàng)新的自然語言處理方法如何將適當的語言信息整合到各個領域，比如社會媒體監(jiān)測、醫(yī)療保健、商業(yè)情報、工業(yè)、營銷、安全和防務。
本書的目標讀者是對開發(fā)自動化社交媒體文本分析工具和應用感興趣的研究者，希望本書能幫助讀者更好地理解計算語言學和社交媒體分析，特別是文本挖掘技術和專為社交媒體文本設計的自然語言處理應用。

本書介紹了自然語言處理（NLP）在社交媒體數據語義分析的最新研究和應用情況。隨著該領域的持續(xù)發(fā)展，第二版針對第一版提及的工作、應用增加了最新的方法和成果。
在過去的幾年中，在線社交網站給個人、團體、社區(qū)之間的交流途徑帶來了革命性的變化，同時改變了人們的日常習慣。用戶生成的空前規(guī)模的多樣化信息，以及用戶之間的交互網絡，為理解社交行為、構建社會智能系統(tǒng)提供了新的機會。
很多社交網絡、社交網絡挖掘研究都是基于圖論展開的。這種思路是合理的，因為社交結構是由社交參與者集合、社交參與者之間的二元關系集合組成。我們認為，面向社交網絡的結構信息擴散圖挖掘方法或社交網絡影響力傳播圖挖掘方法，需要與社交媒體內容分析方法結合使用。這為新的應用社交互動產生的可獲取的公開信息提供了機會。應用傳統(tǒng)自然語言處理方法，可以部分解決集中于社交媒體發(fā)布消息的內容分析問題。當我們收到一個少于10 個字符、包含表情和心情符號的文本，我們可以理解甚至回應。雖然自然語言處理方法不能處理此類文本，但社交媒體數據存在基于兩人可溝通的邏輯信息。同樣的邏輯在世界上占據主導地位，全人類可以使用它（社交媒體）與其他人共享和交流信息。這是自然語言處理面臨的一個新的挑戰(zhàn)性語言。
我們相信需要新理論、算法開展社交媒體數據語義分析，同時需要一種新的大數據處理方法。本書提及的語義分析是指語義增強，并與社交網絡結構相結合的社交媒體信息語言處理（方法）。事實上，我們在一個更廣義層面來表示能進行社交媒體文本和元數據智能處理的應用。一些應用可以訪問超大規(guī)模的數據。為此，算法需要調整以適應在線處理，不必非以存儲所有數據（再處理）的形式處理數據（大數據）。
這種情況促使我們提出兩個教程：《EMNLP 2015a 的社交媒體文本分析應用》和《29 屆加拿大人工智能會議（AI 2016）的社交媒體自然語言處理》。我們還組織了多個主題研討會：社交網絡中的語義分析（SASM 2012）、社交媒體中的語言分析（LASM 2013d、LASM 2014e）、計算語言學會組織的ACL、EACL、NAACL-HLT。
我們的目標是廣泛呈現語言分析研究及其成果，為自然語言處理、計算語言學、社會語言學、心理語言學等領域提供參考。我們的研討會邀請所有與社交媒體語言分析相關的原創(chuàng)研究參與，包括以下主題：
·人們在社交媒體上討論什么？
·他們如何表達自己？
·他們?yōu)槭裁丛谏缃幻襟w上發(fā)布？
·語言和社交網絡屬性如何相互作用？
·面向社交媒體分析的自然語言處理技術。
·輔助理解社交數據的語義Web / 本體/ 域模型。
·通過語言分析來表征參與者。
·語言、社交媒體和人類行為。
還有其他幾個相關的主題研討會，例如與20122016年全球網絡會議合作的理解微博（#Microposts）系列研討會。
這些研討會特別側重于易發(fā)布的非正式短文本（如推文、臉譜共享信息、Instagram 類型共享信息、Google 信息）。另外還有自2013 年開始舉辦的系列社交媒體自然語言處理研討會（SocialNLP），包括與EACL 2017合作舉辦的SocialNLP 2017 以及IEEE BigData 2017。本書的目標讀者是對開發(fā)自動化社交媒體文本分析工具和應用感興趣的研究者。我們假定讀者擁有自然語言處理和機器學習的基礎知識，希望本書能幫助讀者更好地理解計算語言學和社交媒體分析，特別是文本挖掘技術和專為社交媒體文本設計的自然語言處理應用，如摘要、地點檢測、情感情緒分析、話題檢測和機器翻譯。
阿塔夫·法辛達
戴安娜·英克彭
2017 年12 月

第一章　社交媒體分析概述／ 1
1.1　導論／ 2
1.2　社交媒體應用／ 9
1.2.1　社交媒體數據中的跨語言文本分析／ 10
1.2.2　實際應用／ 11
1.3　社交媒體數據中的挑戰(zhàn)／ 13
1.4　社交媒體語義分析／ 17
1.5　總結／ 19
第二章　社交媒體文本語言預處理／ 21
2.1　導論／ 22
2.2　自然語言處理工具的通用適配技術／ 24
2.2.1　文本標準化／ 26
2.2.2　社交媒體文本的NLP 工具再培訓／ 28
2.3　分詞器／ 29
2.4　詞性標注器／ 31
2.5　語塊分析器和語法分析器／ 37
2.6　命名實體識別器／ 41
2.7　現有自然語言處理英文工具包及其適應性／ 44
2.8　社交媒體文本的多語言和適應性／ 46
2.8.1　語言識別／ 47
2.8.2　方言識別／ 50
2.9　總結／ 58
第三章　社交媒體文本的語義分析／ 59
3.1　導論／ 60
3.2　地理位置檢測／ 60
3.2.1　將社交媒體信息映射到地圖中／ 61
3.2.2　現有地理位置信息／ 62
3.2.3　基于網絡基礎設施的地理位置／ 62
3.2.4　基于社交網絡結構的地理位置／ 63
3.2.5　基于內容的位置檢測／ 64
3.2.6　地理位置檢測的評估指標／ 70
3.3　實體關聯和消歧／ 74
3.3.1　實體和鏈接數據識別／ 75
3.3.2　實體關聯的評估指標／ 79
3.4　觀點挖掘和情緒分析／ 80
3.4.1　情感分析／ 80
3.4.2　情緒分析／ 85
3.4.3　諷刺檢測／ 89
3.4.4　觀點和情緒分類的評估指標／ 90
3.5　事件和話題檢測／ 93
3.5.1　特定和非特定事件檢測／ 93
3.5.2　新事件和舊事件／ 103
3.5.3　緊急事態(tài)感知／ 104
3.5.4　事件檢測的評估指標／ 105
3.6　自動摘要／ 106
3.6.1　更新摘要／ 108
3.6.2　網絡活動摘要／ 109
3.6.3　事件摘要／ 110
3.6.4　觀點摘要／ 111
3.6.5　摘要的評估指標／ 113
3.7　機器翻譯／ 114
3.7.1　應用于醫(yī)學術語的標準化的基于短語的機器翻譯／ 116
3.7.2　政府機構推特簡訊的翻譯／ 116
3.7.3　主題標簽的出現、布局和翻譯／ 119
3.7.4　阿拉伯社交媒體的機器翻譯／ 123
3.7.5　機器翻譯的評估指標／ 126
3.8　總結／ 127
第四章　社交媒體文本分析應用／ 129
4.1　導論／ 130
4.2　醫(yī)療保健應用／ 131
4.3　金融應用／ 141
4.4　預測投票意向／ 145
4.5　媒體監(jiān)測／ 148
4.6　安全和國防應用／ 151
4.7　災難和應急響應應用／ 156
4.8　基于NLP 的用戶建模／ 158
4.9　娛樂應用／ 167
4.10　基于NLP 的社交媒體信息可視化／ 169
4.11　政府通信／ 170
4.12　總結／ 170
第五章　數據采集、標注和評估／ 173
5.1　導論／ 174
5.2　數據采集和標注的討論／ 175
5.3　垃圾信息和噪聲檢測／ 176
5.4　社交媒體中的隱私和民主／ 179
5.5　評估基準／ 181
5.6　總結／ 184
第六章　總結與展望／ 185
6.1　結論／ 186
6.2　展望／ 187
附錄A　TRANSLI：社交媒體分析和監(jiān)控案例研究／ 191
A.1　TRANSLI 的架構／ 192
A.2　用戶界面／ 194
術語／ 197
參考資料／ 201
索引／ 245

你還可能感興趣

我要評論