來自：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”(Granger?causality?test)

?

摘要：

隨著Web2.0時代的快速發(fā)展，用戶生產(chǎn)內(nèi)容成為人們表達觀點、發(fā)表言論、對新聞事件作出豐富、及時的反饋的手段。現(xiàn)存的研究或是分析新聞與UGC之間或顯或隱的特點，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，將對政府或企業(yè)的風險控制和信譽管理意義重大。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，一個基于話題感知的動態(tài)策略就可將新聞和UGC轉(zhuǎn)換為話題流（ topic series），并且最終我們運用格蘭杰因果關(guān)系檢驗，分析了新聞所收到的公共影響。關(guān)于45個真實事件的大規(guī)模的實證研究表明，我們所提出的方法切實有效，其結(jié)果符合預期，即可在初期預測一個事件是否應被適當處理。

?

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》的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

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