Social sentiment sensor: a visualization system for topic detection and topic sentiment analysis on microblog
Social sentiment sensor: a visualization system for topic detection and topic sentiment analysis on microblog
复制标题
社交情感传感器：微博主题检测和主题情感分析的可视化系统
DOI：
10.1007/s11042-014-2184-y
复制
发表时间：
2016-08
影响因子：
3.6
通讯作者：
Zhao, Y.
中科院分区：
文献类型：
--
作者：
Qin, Bing;Liu, Ting;Tang, Duyu;Zhao, Y.
作为一种新的社交媒体形式，微博提供了分享平台，用户可以在其中分享他们对某些主题的感受和想法。微博突发性话题是网络上新出现的话题在瞬间吸引更多关注者和关注的结果，这为衡量公众表达的情绪与热点话题之间的关系提供了一个独特的机会。本文提出了一个社会情感传感器（SSS）系统在新浪微博上检测日常热点话题，并分析对这些话题的情感分布。话题情感分析包括两个主要技术，即热点话题检测和面向话题的情感分析。热点话题检测的目的是通过话题检测、话题聚类和话题流行度排名等步骤来检测在线上最流行的话题。我们使用主题标签过滤模型从主题标签中提取主题，因为它们几乎可以覆盖所有主题。然后，我们对描述同一问题的主题进行聚类，并根据主题的受欢迎程度对主题聚类进行排名，以开发最终的热门主题。面向话题的情绪分析旨在分析公众对热点话题的看法。在检索到与主题相关的消息后，我们使用最先进的SVM（支持向量机）情感分类器识别每条消息的情感。然后，对热点话题进行情感总结，实现话题情感分布。基于上述框架和算法，SSS产生了一个实时可视化系统来监测社会情绪，这是为公众提供了一个新的和及时的角度对社会话题的动态。
As a new form of social media, microblogging provides platform sharing, wherein users can share their feelings and ideas on certain topics. Bursty topics from microblogs are the results of the emerging issues that instantly attract more followers and more attention online, which provide a unique opportunity to gauge the relation between expressed public sentiment and hot topics. This paper presents a Social Sentiment Sensor (SSS) system on Sina Weibo to detect daily hot topics and analyze the sentiment distributions toward these topics. SSS includes two main techniques, namely, hot topic detection and topic-oriented sentiment analysis. Hot topic detection aims to detect the most popular topics online based on the following steps, topic detection, topic clustering, and topic popularity ranking. We extracted topics from the hashtags using a hashtag filtering model because they can cover almost all the topics. Then, we cluster the topics that describe the same issue, and rank the topic clusters via their popularity to exploit the final hot topics. Topic-oriented sentiment analysis aims to analyze public opinions toward the hot topics. After retrieving the topic-related messages, we recognize sentiment for each message using a state-of-the-art SVM (Support Vector Machine) sentiment classifier. Then, we summarize the sentiments for the hot topic to achieve topic sentiment distribution. Based on the above framework and algorithms, SSS produces a real-time visualization system to monitor social sentiments, which is offering the public a new and timely perspective on the dynamics of the social topics.
登录
查看更多内容
DOI：
10.1007/978-3-642-41644-6_20
发表时间：
2013-11
期刊：
--
影响因子：
--
作者：
Duyu Tang;Bing Qin;Ting Liu;Zhenghua Li
通讯作者：
Duyu Tang;Bing Qin;Ting Liu;Zhenghua Li
DOI：
10.1184/r1/6626252.v1
发表时间：
1998
期刊：
--
影响因子：
--
作者：
James Allan;J. Carbonell;G. Doddington;J. Yamron;Yiming Yang
通讯作者：
James Allan;J. Carbonell;G. Doddington;J. Yamron;Yiming Yang
影响因子：
10.6
作者：
Gao, Yue;Wang, Meng;Wu, Xindong
通讯作者：
Wu, Xindong
DOI：
--
发表时间：
2013-08
期刊：
The Association for Computational Linguistics
影响因子：
--
作者：
Gregory F. Coppola;Mark Steedman
通讯作者：
Gregory F. Coppola;Mark Steedman
DOI：
--
发表时间：
2012-07
期刊：
--
影响因子：
--
作者：
Qiming Diao;Jing Jiang;Feida Zhu;Ee-Peng Lim
通讯作者：
Qiming Diao;Jing Jiang;Feida Zhu;Ee-Peng Lim