Resumen

Clasificar eventos es un reto en Twitter porque los textos de los tweets tienen una gran cantidad de datos temporales con mucho ruido y varios tipos de temas. En este artículo, proponemos un método para clasificar los eventos de Twitter. En primer lugar, encontramos los términos distintivos entre los tweets de los eventos y medimos sus similitudes con modelos de lenguaje de aprendizaje como ConceptNet y un método de asignación de Dirichlet latente para las preferencias de selección (LDA-SP), que han sido ampliamente estudiados sobre la base de grandes corpus de texto dentro de las relaciones lingüísticas computacionales. La relación de las palabras de los términos en los tweets se descubrirá comprobándolas bajo cada modelo. A continuación, propusimos un método para calcular la similitud entre los tweets basado en las características de los tweets, incluidas las palabras de término comunes y las relaciones entre sus palabras de término distintivas. Será explícito y conveniente para aplicarlo a las técnicas de k-nearest neighbor para la clasificación. Aplicamos cuidadosamente experimentos en el Corpus de Twitter de Edimburgo para demostrar que nuestro método logra resultados competitivos para clasificar eventos.

• Materias:Inteligencia artificial Algoritmos genéticos Ingeniería civil Neurociencia Cognitiva
• Subjects:Artificial intelligence Genetic algorithms Civil engineering Cognitive Neuroscience
• Palabras claves:eventos, tweet, términos palabra, gran corpus de texto, términos palabra común, mucho ruido, tipo de tema, métodos, relaciones lingüísticas computacionales, asignación latente de dirichlet
• Keywords:events, tweet, terms word, large text corpus, common terms word, lot of noise, kind of topic, methods, computational linguistic relations, latent dirichlet allocation