了得網計算機/網絡_社交媒體自然語言處理第二版人類語言技術綜合講座（Natural La

編輯推薦

近年來，在線社交網絡已經對人際交往溝通產生革命性影響。社交媒體語言分析*研究主要集中在後者（社交媒體）對人類日常生活的影響，涉及個人和職業兩個層面。自然語言處理（NLP）是社交媒體數據處理的*有效途徑之一。開發有效的方法、算法從多格式或多形式的多源多語種海量數據中抽取相關信息是一個科學挑戰。本書討論了與傳統類型文本相比，社會媒體文本分析面臨的挑戰。

為適應新數據類型，信息抽取、自動分類聚類、自動文摘索引、統計機器翻譯方面的研究方法需要進行調整修正。本書針對可大量獲取的非傳統社交媒體數據（大數據），回顧當前自然語言處理工具、方法的相關研究成果。同時展示了創新的自然語言處理方法如何將適當的語言信息整合到各個領域，比如社會媒體監測、醫療保健、商業情報、工業、營銷、安全和防務。

內容簡介

為適應新數據類型，信息抽取、自動分類聚類、自動文摘索引、統計機器翻譯方面的研究方法需要進行調整修正。本書針對可大量獲取的非傳統社交媒體數據（大數據），回顧當前自然語言處理工具、方法的相關研究成果。同時展示了創新的自然語言處理方法如何將適當的語言信息整合到各個領域，比如社會媒體監測、醫療保健、商業情報、工業、營銷、安全和防務。

本書的目標讀者是對開發自動化社交媒體文本分析工具和應用感興趣的研究者，希望本書能幫助讀者更好地理解計算語言學和社交媒體分析，特別是文本挖掘技術和專為社交媒體文本設計的自然語言處理應用。

作者簡介

[加]阿塔夫.法辛達博士，南加利福尼亞大學數據科學研究院（DSI）的研究助理，也是南加利福尼亞大學（USC）維特比工程學院計算機科學繫的教師。她獲得了蒙特利爾大學計算機科學專業博士學位，2005年獲得巴黎索邦大學自動法律文件摘要博士學位，是自然語言處理科技公司的創始人兼CEO，專門從事自然語言處理、法律決策摘要、機器翻譯和社交媒體分析。

[加]戴安娜.英克彭博士，加拿大渥太華大學電氣工程和計算機科學學院的教授，1994年在羅馬尼亞的克盧日-納波卡科技大學的計算機科學繫獲得工程學士學位，次年獲得碩士學位，她於2003年在多倫多大學計算機科學繫獲得博士學位。她的研究興趣和專長是自然語言處理和人工智能，特別是將詞彙語義學應用於近義詞和細微差別詞、單詞和文本相似性、基於情緒和情感的文本分類、自然語音的信息檢索、信息提取，以及從社交媒體中檢測精神健康問題的跡像。

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／ 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

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／ 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現有地理位置信息／ 62

3.2.3基於網絡基礎設施的地理位置／ 62

3.2.4基於社交網絡結構的地理位置／ 63

3.2.5基於內容的位置檢測／ 64

3.2.6地理位置檢測的評估指標／ 70

3.3實體關聯和消歧／ 74

3.3.1實體和鏈接數據識別／ 75

3.3.2實體關聯的評估指標／ 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應用於醫學術語的標準化的基於短語的機器翻譯／ 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、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基於NLP 的用戶建模／ 158

4.9娛樂應用／ 167

4.10基於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ATRANSLI：社交媒體分析和監控案例研究／ 191

A.1TRANSLI 的架構／ 192

A.2用戶界面／ 194

術語／ 197

參考資料／ 201

索引／ 245

前言

本書介紹了自然語言處理（NLP）在社交媒體數據語義分析的研究和應用情況。隨著該領域的持續發展，第二版針對版提及的工作、應用增加了的方法和成果。
在過去的幾年中，在線社交網站給個人、團體、社區之間的交流途徑帶來了革命性的變化，同時改變了人們的日常習慣。用戶生成的空前規模的多樣化信息，以及用戶之間的交互網絡，為理解社交行為、構建社會智能繫統提供了新的機會。
很多社交網絡、社交網絡挖掘研究都是基於圖論展開的。這種思路是合理的，因為社交結構是由社交參與者集合、社交參與者之關繫集合組成。我們認為，面向社交網絡的結構信息擴散圖挖掘方法或社交網絡影響力傳播圖挖掘方法，需要與社交媒體內容分析方法結合使用。這為新的應用社交互動產生的可獲取的公開信息提供了機會。應用傳統自然語言處理方法，可以部分解決集中於社交媒體發布消息的內容分析問題。當我們收到一個少於10 個字符、包含表情和心情符號的文本，我們可以理解甚至回應。雖然自然語言處理方法不能處理此類文本，但社交媒體數據存在基於兩人可溝通的邏輯信息。同樣的邏輯在世界上占據主導地位，全人類可以使用它（社交媒體）與其他人共享和交流信息。這是自然語言處理面臨的一個新的挑戰性語言。

本書介紹了自然語言處理（NLP）在社交媒體數據語義分析的研究和應用情況。隨著該領域的持續發展，第二版針對版提及的工作、應用增加了的方法和成果。

在過去的幾年中，在線社交網站給個人、團體、社區之間的交流途徑帶來了革命性的變化，同時改變了人們的日常習慣。用戶生成的空前規模的多樣化信息，以及用戶之間的交互網絡，為理解社交行為、構建社會智能繫統提供了新的機會。

很多社交網絡、社交網絡挖掘研究都是基於圖論展開的。這種思路是合理的，因為社交結構是由社交參與者集合、社交參與者之關繫集合組成。我們認為，面向社交網絡的結構信息擴散圖挖掘方法或社交網絡影響力傳播圖挖掘方法，需要與社交媒體內容分析方法結合使用。這為新的應用社交互動產生的可獲取的公開信息提供了機會。應用傳統自然語言處理方法，可以部分解決集中於社交媒體發布消息的內容分析問題。當我們收到一個少於10
個字符、包含表情和心情符號的文本，我們可以理解甚至回應。雖然自然語言處理方法不能處理此類文本，但社交媒體數據存在基於兩人可溝通的邏輯信息。同樣的邏輯在世界上占據主導地位，全人類可以使用它（社交媒體）與其他人共享和交流信息。這是自然語言處理面臨的一個新的挑戰性語言。

我們相信需要新理論、算法開展社交媒體數據語義分析，同時需要一種新的大數據處理方法。本書提及的語義分析是指語義增強，並與社交網絡結構相結合的社交媒體信息語言處理（方法）。事實上，我們在一個更廣義層面來表示能進行社交媒體數據智能處理的應用。一些應用可以訪問超大規模的數據。為此，算法需要調整以適應在線處理，不必非以存儲所有數據（再處理）的形式處理數據（大數據）。

這種情況促使我們提出兩個教程：《EMNLP 2015a 的社交媒體文本分析應用》和《29 屆加拿大人工智能會議（AI
2016）的社交媒體自然語言處理》。我們還組織了多個主題研討會：社交網絡中的語義分析（SASM 2012）、社交媒體中的語言分析（LASM
2013d、LASM 2014e）、計算語言學會組織的ACL、EACL、NAACL-HLT。

我們的目標是廣泛呈現語言分析研究及其成果，為自然語言處理、計算語言學、社會語言學、心理語言學等領域提供參考。我們的研討會邀請所有與社交媒體語言分析相關的原創研究參與，包括以下主題：

·人們在社交媒體上討論什麼？

·他們如何表達自己？

·他們為什麼在社交媒體上發布？

·語言和社交網絡屬性如何相互作用？

·面向社交媒體分析的自然語言處理技術。

·輔助理解社交數據的語義Web / 本體/ 域模型。

·通過語言分析來表征參與者。

·語言、社交媒體和人類行為。

還有其他幾個相關的主題研討會，例如與2012—2016年全球網絡會議合作的理解微博（#Microposts）繫列研討會。

這些研討會特別側重於易發布的非正式短文本（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
年開始舉辦的繫列社交媒體自然語言處理研討會（SocialNLP），包括與EACL 2017合作舉辦的SocialNLP 2017 以及IEEE
BigData
2017。本書的目標讀者是對開發自動化社交媒體文本分析工具和應用感興趣的研究者。我們假定讀者擁有自然語言處理和機器學習的基礎知識，希望本書能幫助讀者更好地理解計算語言學和社交媒體分析，特別是文本挖掘技術和專為社交媒體文本設計的自然語言處理應用，如摘要、地點檢測、情感情緒分析、話題檢測和機器翻譯。

阿塔夫·法辛達

戴安娜·英克彭

2017 年12 月

商品搜索

商品分类

【醫學】

【各大出版社】