Paper Link

ACL 2014
https://www.aclweb.org/anthology/P14-1016.pdf

Key Points

• 本文旨在預測網路使用者個人資訊（profile）。
• 主要貢獻：
  • 把預測任務轉換成資訊抽取任務。
  • 提出一個大規模的資料集。
  • 呈現資訊抽取任務的形式帶來的好處。
  • 呈現此篇文章提出的模型的效果。
• 過去文獻：
  • Distant Supervision
    • 利用現有的資料庫裡面的人物與其關係，蒐集訓練文本中可能描述這個關係的文字。
  • Homophily
    • 利用社群網路上鄰居的資訊來獲得目標使用者的個人資訊。
      • 同質性高的人們在社群網路上總是相連的。
    • Mislove et al. 曾從 Facebook 上爬下 4000 個 Rice U. 的學生並純粹基於網絡資訊來預測該學生的主修和預科。
      • 但其並未使用作者的文字資訊。
• 資料庫收集
  • 教育與工作
    • 從 Google+ API 裡面蒐集帶有以下三個資訊的使用者。
      • 工作
      • 教育
      • Twitter 帳號
    • 再從這些種子使用者裡面，找到同時在 Twitter 上與在 Google Circle 上都存在的好友/追蹤者。
      • 這些好友也要帶有工作和教育資訊。
    • 蒐集該使用者的所有帶有工作和教育相關的貼文，作為正資料集，其餘作為負資料集。
    • 用 Freebase API 來對應別名，如 Harvard U. -> Harvard University。
  • 婚姻
    • 只有臉書有婚姻資訊，但公開的使用者不多。
    • 退而求其次用 FreeBase 裡面的人物與關係。
      • 這裡的人物幾乎都是名人，如歐巴馬。
    • 貼文的收集方法一樣。
      • 但不知道這些名人描述婚姻的方式是否與一般人相同？
    • 與工作和教育不同，婚姻不具 Homophily。
    • 但具 Reflexivity。
      • 所以若 a 與 b 為婚姻關係。
      • 那我們 a 提及 b 的貼文和 b 提及 a 的貼文都會收集。
  • 資料集收集結果如下
  • 

[未完待續]