社交媒體自然語言處理（第二版）

第一章　社交媒體分析概述／ 1

1.1　導論／ 2

1.2　社交媒體應用／ 9

1.2.1　社交媒體數據中的跨語言文本分析／ 10

1.2.2　實際應用／ 11

1.3　社交媒體數據中的挑戰(zhàn)／ 13

1.4　社交媒體語義分析／ 17

1.5　總結／ 19

第二章　社交媒體文本語言預處理／ 21

2.1　導論／ 22

2.2　自然語言處理工具的通用適配技術／ 24

2.2.1　文本標準化／ 26

2.2.2　社交媒體文本的NLP 工具再培訓／ 28

2.3　分詞器／ 29

2.4　詞性標注器／ 31

2.5　語塊分析器和語法分析器／ 37

2.6　命名實體識別器／ 41

2.7　現(xiàn)有自然語言處理英文工具包及其適應性／ 44

2.8　社交媒體文本的多語言和適應性／ 46

2.8.1　語言識別／ 47

2.8.2　方言識別／ 50

2.9　總結／ 58

第三章　社交媒體文本的語義分析／ 59

3.1　導論／ 60

3.2　地理位置檢測／ 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　基于網絡基礎設施的地理位置／ 62

3.2.4　基于社交網絡結構的地理位置／ 63

3.2.5　基于內容的位置檢測／ 64

3.2.6　地理位置檢測的評估指標／ 70

3.3　實體關聯(lián)和消歧／ 74

3.3.1　實體和鏈接數據識別／ 75

3.3.2　實體關聯(lián)的評估指標／ 79

3.4　觀點挖掘和情緒分析／ 80

3.4.1　情感分析／ 80

3.4.2　情緒分析／ 85

3.4.3　諷刺檢測／ 89

3.4.4　觀點和情緒分類的評估指標／ 90

3.5　事件和話題檢測／ 93

3.5.1　特定和非特定事件檢測／ 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　事件檢測的評估指標／ 105

3.6　自動摘要／ 106

3.6.1　更新摘要／ 108

3.6.2　網絡活動摘要／ 109

3.6.3　事件摘要／ 110

3.6.4　觀點摘要／ 111

3.6.5　摘要的評估指標／ 113

3.7　機器翻譯／ 114

3.7.1　應用于醫(yī)學術語的標準化的基于短語的機器翻譯／ 116

3.7.2　政府機構推特簡訊的翻譯／ 116

3.7.3　主題標簽的出現(xiàn)、布局和翻譯／ 119

3.7.4　阿拉伯社交媒體的機器翻譯／ 123

3.7.5　機器翻譯的評估指標／ 126

3.8　總結／ 127

第四章　社交媒體文本分析應用／ 129

4.1　導論／ 130

4.2　醫(yī)療保健應用／ 131

4.3　金融應用／ 141

4.4　預測投票意向／ 145

4.5　媒體監(jiān)測／ 148

4.6　安全和國防應用／ 151

4.7　災難和應急響應應用／ 156

4.8　基于NLP 的用戶建模／ 158

4.9　娛樂應用／ 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／ 170

第五章　數據采集、標注和評估／ 173

5.1　導論／ 174

5.2　數據采集和標注的討論／ 175

5.3　垃圾信息和噪聲檢測／ 176

5.4　社交媒體中的隱私和民主／ 179

5.5　評估基準／ 181

5.6　總結／ 184

第六章　總結與展望／ 185

6.1　結論／ 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／ 192

A.2　用戶界面／ 194

術語／ 197

參考資料／ 201

索引／ 245