2023
年
11
月，研究团队博士生丁可阳论文
“A Large-Scale Chinese Dataset for Social Emotion Prediction to Online Trending Topics”
获计算社会学领域重要国际期刊《
IEEE Transactions on Computational Social Systems
》录用。
论文提出针对在线热点话题的社会情感预测任务。与之前较多关注来自作者的情感或者研究新闻文章引发的的读者情感的工作不同，本文着重于在社交媒体环境下，通过分析大量用户的讨论来探索公众对热点话题的感受。针对这一任务，本文利用用户讨论中提及的“#hashtags#”来表示热点话题，从新浪微博上收集了一个大规模用于分析在线热点话题所引发的中文社会情感数据集（LCSEP, A Large-Scale Chinese Dataset for Social Emotion Prediction，LCSEP）。LCSEP数据集提供了超过20,000个热点话题以及对应的24种细粒度社会情感。除此之外，LCSEP还收集了与热点话题相关的帖子、评论以及其的元数据，从而为每个热点话题提供详细的背景信息。为了更好预测热点话题所会引发的社会情感，本文针对热点话题的结构提出了一种标签和主题增强注意力模型（Hashtag- and Topic- Enhanced Attention Model，HTEAM）。它结合了预训练的模型、神经主题模型和注意力机制，可以通过联合训练来预测社会情感。实验表明，本工作所提出的模型的性能优于基线模型并取得了目前最先进的结果。
IEEE Transactions on Computational Social Systems是计算社会学领域的重要国际期刊，SCI影响因子5.0，为JCR Q1期刊，在中科院学术推荐列表（升级版）中为二区期刊，CCF交叉/综合/新兴C类。
Keyang Ding, Chuang Fan, Yiwen Ding, Qianlong Wang, Zhiyuan Wen, Jing Li, Ruifeng Xu*. LCSEP: A Large-Scale Chinese Dataset for Social Emotion Prediction to Online Trending Topics. IEEE Transactions on Computational Social Systems. 2023
|
