绯色av一区二区三区蜜桃,波多野结衣超清无码教师

為適應(yīng)新數(shù)據(jù)類型，信息抽取、自動(dòng)分類聚類、自動(dòng)文摘索引、統(tǒng)計(jì)機(jī)器翻譯方面的研究方法需要進(jìn)行調(diào)整修正。本書針對(duì)可大量獲取的非傳統(tǒng)社交媒體數(shù)據(jù)（大數(shù)據(jù)），回顧當(dāng)前自然語(yǔ)言處理工具、方法的相關(guān)研究成果。同時(shí)展示了創(chuàng)新的自然語(yǔ)言處理方法如何將適當(dāng)?shù)恼Z(yǔ)言信息整合到各個(gè)領(lǐng)域，比如社會(huì)媒體監(jiān)測(cè)、醫(yī)療保健、商業(yè)情報(bào)、工業(yè)、營(yíng)銷、安全和防務(wù)。
本書的目標(biāo)讀者是對(duì)開發(fā)自動(dòng)化社交媒體文本分析工具和應(yīng)用感興趣的研究者，希望本書能幫助讀者更好地理解計(jì)算語(yǔ)言學(xué)和社交媒體分析，特別是文本挖掘技術(shù)和專為社交媒體文本設(shè)計(jì)的自然語(yǔ)言處理應(yīng)用。

本書介紹了自然語(yǔ)言處理（NLP）在社交媒體數(shù)據(jù)語(yǔ)義分析的最新研究和應(yīng)用情況。隨著該領(lǐng)域的持續(xù)發(fā)展，第二版針對(duì)第一版提及的工作、應(yīng)用增加了最新的方法和成果。
在過(guò)去的幾年中，在線社交網(wǎng)站給個(gè)人、團(tuán)體、社區(qū)之間的交流途徑帶來(lái)了革命性的變化，同時(shí)改變了人們的日常習(xí)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(wǎng)絡(luò)，為理解社交行為、構(gòu)建社會(huì)智能系統(tǒng)提供了新的機(jī)會(huì)。
很多社交網(wǎng)絡(luò)、社交網(wǎng)絡(luò)挖掘研究都是基于圖論展開的。這種思路是合理的，因?yàn)樯缃唤Y(jié)構(gòu)是由社交參與者集合、社交參與者之間的二元關(guān)系集合組成。我們認(rèn)為，面向社交網(wǎng)絡(luò)的結(jié)構(gòu)信息擴(kuò)散圖挖掘方法或社交網(wǎng)絡(luò)影響力傳播圖挖掘方法，需要與社交媒體內(nèi)容分析方法結(jié)合使用。這為新的應(yīng)用社交互動(dòng)產(chǎn)生的可獲取的公開信息提供了機(jī)會(huì)。應(yīng)用傳統(tǒng)自然語(yǔ)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(nèi)容分析問(wèn)題。當(dāng)我們收到一個(gè)少于10 個(gè)字符、包含表情和心情符號(hào)的文本，我們可以理解甚至回應(yīng)。雖然自然語(yǔ)言處理方法不能處理此類文本，但社交媒體數(shù)據(jù)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(jù)主導(dǎo)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(yǔ)言處理面臨的一個(gè)新的挑戰(zhàn)性語(yǔ)言。
我們相信需要新理論、算法開展社交媒體數(shù)據(jù)語(yǔ)義分析，同時(shí)需要一種新的大數(shù)據(jù)處理方法。本書提及的語(yǔ)義分析是指語(yǔ)義增強(qiáng)，并與社交網(wǎng)絡(luò)結(jié)構(gòu)相結(jié)合的社交媒體信息語(yǔ)言處理（方法）。事實(shí)上，我們?cè)谝粋€(gè)更廣義層面來(lái)表示能進(jìn)行社交媒體文本和元數(shù)據(jù)智能處理的應(yīng)用。一些應(yīng)用可以訪問(wèn)超大規(guī)模的數(shù)據(jù)。為此，算法需要調(diào)整以適應(yīng)在線處理，不必非以存儲(chǔ)所有數(shù)據(jù)（再處理）的形式處理數(shù)據(jù)（大數(shù)據(jù)）。
這種情況促使我們提出兩個(gè)教程：《EMNLP 2015a 的社交媒體文本分析應(yīng)用》和《29 屆加拿大人工智能會(huì)議（AI 2016）的社交媒體自然語(yǔ)言處理》。我們還組織了多個(gè)主題研討會(huì)：社交網(wǎng)絡(luò)中的語(yǔ)義分析（SASM 2012）、社交媒體中的語(yǔ)言分析（LASM 2013d、LASM 2014e）、計(jì)算語(yǔ)言學(xué)會(huì)組織的ACL、EACL、NAACL-HLT。
我們的目標(biāo)是廣泛呈現(xiàn)語(yǔ)言分析研究及其成果，為自然語(yǔ)言處理、計(jì)算語(yǔ)言學(xué)、社會(huì)語(yǔ)言學(xué)、心理語(yǔ)言學(xué)等領(lǐng)域提供參考。我們的研討會(huì)邀請(qǐng)所有與社交媒體語(yǔ)言分析相關(guān)的原創(chuàng)研究參與，包括以下主題：
·人們?cè)谏缃幻襟w上討論什么？
·他們?nèi)绾伪磉_(dá)自己？
·他們?yōu)槭裁丛谏缃幻襟w上發(fā)布？
·語(yǔ)言和社交網(wǎng)絡(luò)屬性如何相互作用？
·面向社交媒體分析的自然語(yǔ)言處理技術(shù)。
·輔助理解社交數(shù)據(jù)的語(yǔ)義Web / 本體/ 域模型。
·通過(guò)語(yǔ)言分析來(lái)表征參與者。
·語(yǔ)言、社交媒體和人類行為。
還有其他幾個(gè)相關(guān)的主題研討會(huì)，例如與20122016年全球網(wǎng)絡(luò)會(huì)議合作的理解微博（#Microposts）系列研討會(huì)。
這些研討會(huì)特別側(cè)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(yǔ)言處理研討會(huì)（SocialNLP），包括與EACL 2017合作舉辦的SocialNLP 2017 以及IEEE BigData 2017。本書的目標(biāo)讀者是對(duì)開發(fā)自動(dòng)化社交媒體文本分析工具和應(yīng)用感興趣的研究者。我們假定讀者擁有自然語(yǔ)言處理和機(jī)器學(xué)習(xí)的基礎(chǔ)知識(shí)，希望本書能幫助讀者更好地理解計(jì)算語(yǔ)言學(xué)和社交媒體分析，特別是文本挖掘技術(shù)和專為社交媒體文本設(shè)計(jì)的自然語(yǔ)言處理應(yīng)用，如摘要、地點(diǎn)檢測(cè)、情感情緒分析、話題檢測(cè)和機(jī)器翻譯。
阿塔夫·法辛達(dá)
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(dǎo)論／ 2
1.2　社交媒體應(yīng)用／ 9
1.2.1　社交媒體數(shù)據(jù)中的跨語(yǔ)言文本分析／ 10
1.2.2　實(shí)際應(yīng)用／ 11
1.3　社交媒體數(shù)據(jù)中的挑戰(zhàn)／ 13
1.4　社交媒體語(yǔ)義分析／ 17
1.5　總結(jié)／ 19
第二章　社交媒體文本語(yǔ)言預(yù)處理／ 21
2.1　導(dǎo)論／ 22
2.2　自然語(yǔ)言處理工具的通用適配技術(shù)／ 24
2.2.1　文本標(biāo)準(zhǔn)化／ 26
2.2.2　社交媒體文本的NLP 工具再培訓(xùn)／ 28
2.3　分詞器／ 29
2.4　詞性標(biāo)注器／ 31
2.5　語(yǔ)塊分析器和語(yǔ)法分析器／ 37
2.6　命名實(shí)體識(shí)別器／ 41
2.7　現(xiàn)有自然語(yǔ)言處理英文工具包及其適應(yīng)性／ 44
2.8　社交媒體文本的多語(yǔ)言和適應(yīng)性／ 46
2.8.1　語(yǔ)言識(shí)別／ 47
2.8.2　方言識(shí)別／ 50
2.9　總結(jié)／ 58
第三章　社交媒體文本的語(yǔ)義分析／ 59
3.1　導(dǎo)論／ 60
3.2　地理位置檢測(cè)／ 60
3.2.1　將社交媒體信息映射到地圖中／ 61
3.2.2　現(xiàn)有地理位置信息／ 62
3.2.3　基于網(wǎng)絡(luò)基礎(chǔ)設(shè)施的地理位置／ 62
3.2.4　基于社交網(wǎng)絡(luò)結(jié)構(gòu)的地理位置／ 63
3.2.5　基于內(nèi)容的位置檢測(cè)／ 64
3.2.6　地理位置檢測(cè)的評(píng)估指標(biāo)／ 70
3.3　實(shí)體關(guān)聯(lián)和消歧／ 74
3.3.1　實(shí)體和鏈接數(shù)據(jù)識(shí)別／ 75
3.3.2　實(shí)體關(guān)聯(lián)的評(píng)估指標(biāo)／ 79
3.4　觀點(diǎn)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(cè)／ 89
3.4.4　觀點(diǎn)和情緒分類的評(píng)估指標(biāo)／ 90
3.5　事件和話題檢測(cè)／ 93
3.5.1　特定和非特定事件檢測(cè)／ 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(cè)的評(píng)估指標(biāo)／ 105
3.6　自動(dòng)摘要／ 106
3.6.1　更新摘要／ 108
3.6.2　網(wǎng)絡(luò)活動(dòng)摘要／ 109
3.6.3　事件摘要／ 110
3.6.4　觀點(diǎn)摘要／ 111
3.6.5　摘要的評(píng)估指標(biāo)／ 113
3.7　機(jī)器翻譯／ 114
3.7.1　應(yīng)用于醫(yī)學(xué)術(shù)語(yǔ)的標(biāo)準(zhǔn)化的基于短語(yǔ)的機(jī)器翻譯／ 116
3.7.2　政府機(jī)構(gòu)推特簡(jiǎn)訊的翻譯／ 116
3.7.3　主題標(biāo)簽的出現(xiàn)、布局和翻譯／ 119
3.7.4　阿拉伯社交媒體的機(jī)器翻譯／ 123
3.7.5　機(jī)器翻譯的評(píng)估指標(biāo)／ 126
3.8　總結(jié)／ 127
第四章　社交媒體文本分析應(yīng)用／ 129
4.1　導(dǎo)論／ 130
4.2　醫(yī)療保健應(yīng)用／ 131
4.3　金融應(yīng)用／ 141
4.4　預(yù)測(cè)投票意向／ 145
4.5　媒體監(jiān)測(cè)／ 148
4.6　安全和國(guó)防應(yīng)用／ 151
4.7　災(zāi)難和應(yīng)急響應(yīng)應(yīng)用／ 156
4.8　基于NLP 的用戶建模／ 158
4.9　娛樂(lè)應(yīng)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(jié)／ 170
第五章　數(shù)據(jù)采集、標(biāo)注和評(píng)估／ 173
5.1　導(dǎo)論／ 174
5.2　數(shù)據(jù)采集和標(biāo)注的討論／ 175
5.3　垃圾信息和噪聲檢測(cè)／ 176
5.4　社交媒體中的隱私和民主／ 179
5.5　評(píng)估基準(zhǔn)／ 181
5.6　總結(jié)／ 184
第六章　總結(jié)與展望／ 185
6.1　結(jié)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(gòu)／ 192
A.2　用戶界面／ 194
術(shù)語(yǔ)／ 197
參考資料／ 201
索引／ 245

你還可能感興趣

我要評(píng)論