來(lái)自：Hou L., Li J., Li XL., Jin J. (2016) Detecting Public Influence on News Using Topic-Aware Dynamic Granger Test. In: Frasconi P., Landwehr N., Manco G., Vreeken J. (eds) Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2016. Lecture Notes in Computer Science, vol 9852. Springer, Cham

關(guān)鍵字:新聞， 用戶生產(chǎn)內(nèi)容（UGC）， 影響力，分布式表示，“格蘭杰因果關(guān)系檢驗(yàn)”(Granger?causality?test)

?

摘要：

隨著Web2.0時(shí)代的快速發(fā)展，用戶生產(chǎn)內(nèi)容成為人們表達(dá)觀點(diǎn)、發(fā)表言論、對(duì)新聞事件作出豐富、及時(shí)的反饋的手段。現(xiàn)存的研究或是分析新聞與UGC之間或顯或隱的特點(diǎn)，或是描述新聞媒體影響公共輿論的能力。然而，在現(xiàn)今媒體-使用者高度交互的環(huán)境中，分析新聞所受到的公共影響，將對(duì)政府或企業(yè)的風(fēng)險(xiǎn)控制和信譽(yù)管理意義重大。本論文提出了一種創(chuàng)新的基于話題感知的格蘭杰檢驗(yàn)方法的框架，用于量化和特征化新聞所受到的公共影響。尤為特別的是，我們展示了語(yǔ)言和文檔作為分布式低維向量，將有助于連續(xù)話題抽取（ the subsequent topic extraction）。這樣一來(lái)，一個(gè)基于話題感知的動(dòng)態(tài)策略就可將新聞和UGC轉(zhuǎn)換為話題流（ topic series），并且最終我們運(yùn)用格蘭杰因果關(guān)系檢驗(yàn)，分析了新聞所收到的公共影響。關(guān)于45個(gè)真實(shí)事件的大規(guī)模的實(shí)證研究表明，我們所提出的方法切實(shí)有效，其結(jié)果符合預(yù)期，即可在初期預(yù)測(cè)一個(gè)事件是否應(yīng)被適當(dāng)處理。

?

總結(jié)

以上是生活随笔為你收集整理的【CCM-计传阅读树01】论文《探测新闻的公共影响：基于话题感知的格兰杰检验方法》的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。