iT邦幫忙

14.2%企業願意聘用大資料人才
Cloud Future Built Today
IT EXPLAINED 數位轉型攻略 VII
.

第 12 屆 iThome 鐵人賽
DAY 15
0
AI & Data

今晚，我想來點經典ＮＬＰ論文。系列 第 15 篇

[D15] Weakly Supervised User Profile Extraction from Twitter (2014) 2/2

12th鐵人賽
819 瀏覽

  • 分享至 

  • xImage
    •  

Key Points

  • 實驗結論
    • 工作相關的貼文，相比教育，涵括更多樣化的 mention。
    • 教育相關的推論，可以受益於字典相關的特徵，但工作則不易。
    • 教育相關的 mention 有比較多的線索，如功課、考試或書。
      • 也就是用詞比較受限？
    • 興趣與工作的界線並不明顯，端看個人的發文習慣，是多發表一些與工作同事相關的文章，或是發表與公司產品相關的貼文。
    • 伴侶的 mention 比較難以辨識，因為兩人關係太過親密，發表提及對方的貼文文字通常很瑣碎，讓人難以分辨到底是親人還是伴侶。
      • 不足的語義用兩人的默契填補。
      • 即使重複多次出現，依然不利於正確的判定。

上一篇
[D14] Weakly Supervised User Profile Extraction from Twitter (Li et al., 2014)
下一篇
[D16] Emotion Intensities in Tweets (2017) 1/2
系列文
今晚，我想來點經典ＮＬＰ論文。 共 17 篇
  1. 13
    [D13] Weakly Supervised User Profile Extraction from Twitter (Li et al., 2014) 1/2
  2. 14
    [D14] Weakly Supervised User Profile Extraction from Twitter (Li et al., 2014)
  3. 15
    [D15] Weakly Supervised User Profile Extraction from Twitter (2014) 2/2
  4. 16
    [D16] Emotion Intensities in Tweets (2017) 1/2
  5. 17
    [D17] Emotion Intensities in Tweets (2017) 2/2
完整目錄
.

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22207 篇
完賽人數
600 人
iT+看影片追技術 看影片追技術 看更多
NC3 Observatory Platform
臺灣資安大會 |
20 分
數位創新，自動賦能
2023 數位政府高峰會 |
31 分
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
.