An indicative opinion generation model for short texts on social networks
An indicative opinion generation model for short texts on social networks
复制标题
社交网络上短文本的指示性意见生成模型
DOI：
10.1016/j.future.2017.05.025
复制
发表时间：
2017-05
期刊：
影响因子：
--
通讯作者：
Atiquzzaman Mohammed
中科院分区：
文献类型：
--
作者：
Zhao Qingjuan;Niu Jianwei;Chen Huan;Wang Lei;Atiquzzaman Mohammed
意见生成在短时间内为用户提供主要意见，价值巨大。过去的十年见证了社交网络和海量数据的快速发展，人们很难在短时间内获得短文本的主要观点。许多小齿轮生成的研究都使用基于特征权值的方法来总结这些共享同一主题的文本。然而，这些技术并不是只把原文当作生成，而不考虑语言的简洁性。为了克服这一缺陷，本文开发了一个指示性意见生成模型，利用BM25识别重要文本，并利用句法解析获得简要的意见表示。我们首先使用K-means算法创建一个用于聚类短文本的向量空间模型。然后，通过对共享同一主题的短文本进行排序，得到排名靠前的代表性短文本。最后，我们开发了一个指示性意见生成模型，通过句法分析来获得主要观点。我们在真实数据集上进行广泛的实验，并通过客观和主观评估来评估结果。实验结果表明，我们提出的模型是有效的，并且优于现有的方法。
Opinion generation is of great value since it provides main opinions for users within a short period of time. The last decade has witnessed a rapid development of social networks and massive data, and it is challenging for people to get the main opinions of short texts within a short period of time. Many studies of pinion generation have used feature weights based methods to summarize these texts sharing the same topic. However, these techniques fail to just regard the original text as the generation without considering the simplicity of language. To overcome the drawback, in this paper, we develop an indicative opinion generation model utilizing BM25 to identify the important text and using syntactic parsing to obtain the brief opinion representation. We first create a vector space model for clustering the short texts using the K-means algorithm. Then, by ranking the short texts sharing the same topic, we obtain the top-ranked representative short texts. Finally, we develop an indicative opinion generation model to obtain the main ideas by using syntactic parsing. We conduct extensive experiments on real datasets and evaluate the results by objective and subjective assessments. The experimental results show that our proposed model is effective and outperforms state-of-the-art methods.
登录
查看更多内容
影响因子：
22.7
作者：
SALTON, G;WONG, A;YANG, CS
通讯作者：
YANG, CS
影响因子：
8.7
作者：
Khan, Atif;Salim, Naomie;Kumar, Yogan Jaya
通讯作者：
Kumar, Yogan Jaya
DOI：
10.5120/20559-2947
发表时间：
2015-05
期刊：
International Journal of Computer Applications
影响因子：
--
作者：
Neelima Bhatia;Arunima Jaiswal
通讯作者：
Neelima Bhatia;Arunima Jaiswal
影响因子：
2.2
作者：
Kun Wang;Huang Guo
通讯作者：
Kun Wang;Huang Guo
DOI：
--
发表时间：
2001-01
期刊：
--
影响因子：
--
作者：
A. Ng;Michael I. Jordan;Yair Weiss
通讯作者：
A. Ng;Michael I. Jordan;Yair Weiss