Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Ensemble Neural Network Model for Benefiting Pregnancy Health Stats from Mining Social Media Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

Modeling Relations Between Profiles and Texts

verfasst von : Minoru Yoshida, Kazuyuki Matsumoto, Kenji Kita

Erschienen in: Information Retrieval Technology

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

We propose a method to model Twitter texts and user profiles simultaneously by considering the relations between the texts and profiles to obtain the distributed representations of the words in both.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel RI-Match: Integrating Both Representations and Interactions for Deep Semantic Matching
Nächstes Kapitel Missing Data Modeling with User Activity and Item Popularity in Recommendation
Fußnoten
1
Also note that only two of these six terms are used for each (w, z) pair, which makes the SGD implementation for this model almost the same as that of word2vec.
 
2
We parallelized this by the Hogwild approach [12], by assigning each process a subset of tweet-profile pairs in the corpus.
 
3
We observed that the removing this constraint did not affect the results so much because of the large proportion (over 65% for both of the query “Hoikuen” and “Tokushima”) of the tweets contained “RT” or “http”.
 
4
We calculated the length of the overlap string between two tweets. If the overlap length exceeded the half of the length of the (longer) tweet, we regarded them similar.
 
Literatur
1.
Chakrabarti, S.: Mining the Web: Discovering Knowledge from Hypertext Data. Morgan-Kaufmann Publishers, Burlington (2002)
2.
Du, J., Xu, R., He, Y., Gui, L.: Stance classification with target-specific neural attention. In: Proceedings of IJCAI 2017, pp. 3988–3994 (2017)
3.
Ebrahimi, J., Dou, D., Lowd, D.: A joint sentiment-target-stance model for stance classification in tweets. In: Proceedings of COLING 2016, pp. 2656–2665 (2016)
4.
Ebrahimi, J., Dou, D., Lowd: D.: Weakly supervised tweet stance classification by relational bootstrapping. In: Proceedings of EMNLP 2016, pp. 1012–1017 (2016)
5.
Garimella, K., Morales, G.D.F., Gionis, A., Mathioudakis, M.: Reducing controversy by connecting opposing views. In: Proceedings of WSDM 2017, pp. 81–90 (2017)
6.
Ji, S., Satish, N., Li, S., Dubey, P.: Parallelizing Word2Vec in shared and distributed memory. CoRR abs/1604.04661 (2016)
7.
Joshi, A., Bhattacharyya, P., Carman, M.J.: Political issue extraction model: a novel hierarchical topic model that uses tweets by political and non-political authors. In: WASSA, NAACL-HLT 2016, pp. 82–90 (2016)
8.
Lu, H., Caverlee, J., Niu, W.: BiasWatch: a lightweight system for discovering and tracking topic-sensitive opinion bias in social media. In: Proceedings of CIKM 2015, pp. 213–222 (2015)
9.
Mikolov, T., Sutskever, I., Chen, K., Corrado, G.S., Dean, J.: Distributed representations of words and phrases and their compositionality. In: Proceedings of NIPS 2013, pp. 3111–3119 (2013)
10.
Mohammad, S., Kiritchenko, S., Sobhani, P., Zhu, X.D., Cherry, C.: SemEval-2016 task 6: detecting stance in tweets. In: Proceedings of SemEval@NAACL-HLT 2016, pp. 31–41 (2016)
11.
Munson, S.A., Lee, S.Y., Resnick, P.: Encouraging reading of diverse political viewpoints with a browser widget. In: Proceedings of ICWSM 2013, pp. 419–428 (2013)
12.
Recht, B., Re, C., Wright, S.J., Niu, F.: HOGWILD: a lock-free approach to parallelizing stochastic gradient descent. In: Proceedings of NIPS 2011, pp. 693–701 (2011)
13.
Sasaki, A., Hanawa, K., Okazaki, N., Inui, K.: Other topics you may also agree or disagree: modeling inter-topic preferences using tweets and matrix factorization. In: Proceedings of ACL 2017, no. 1, pp. 398–408 (2017)
Metadaten
Titel
Modeling Relations Between Profiles and Texts
verfasst von
Minoru Yoshida
Kazuyuki Matsumoto
Kenji Kita
Copyright-Jahr
2018
Buch
Information Retrieval Technology

Print ISBN: 978-3-030-03519-8

Electronic ISBN: 978-3-030-03520-4

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-030-03520-4_10

Neuer Inhalt

    Bildnachweise