[论文解读] Simultaneous Identification of Tweet Purpose and Position

Rahul Radhakrishnan Iyer, Yulong Pei+1 more|arXiv (Cornell University)|Dec 24, 2019

Text and Document Classification Technologies参考文献 24被引用 4

一句话总结

本文提出了一种多标签分类框架，用于同时识别推文目的（例如，信息分享、社交互动）和对某一话题的立场（支持、反对、中立），通过利用标签相关性以提高准确性。采用 RAkEL 结合后处理策略（求和与加权求和），该方法优于单个分类器，在奥巴马医保数据集上相比 KNN 的 F1 分数提升了 29.65%。

ABSTRACT

Tweet classification has attracted considerable attention recently. Most of the existing work on tweet classification focuses on topic classification, which classifies tweets into several predefined categories, and sentiment classification, which classifies tweets into positive, negative and neutral. Since tweets are different from conventional text in that they generally are of limited length and contain informal, irregular or new words, so it is difficult to determine user intention to publish a tweet and user attitude towards certain topic. In this paper, we aim to simultaneously classify tweet purpose, i.e., the intention for user to publish a tweet, and position, i.e., supporting, opposing or being neutral to a given topic. By transforming this problem to a multi-label classification problem, a multi-label classification method with post-processing is proposed. Experiments on real-world data sets demonstrate the effectiveness of this method and the results outperform the individual classification methods.

研究动机与目标

• 解决单独进行推文目的与立场分类时效率低下且忽略相关性的问题。
• 利用推文目的与用户对某一话题立场之间的内在相关性，以提升分类性能。
• 开发一个统一框架，同时预测推文目的与立场。
• 引入后处理策略，以优化多标签预测并提升分类性能。
• 在与政治话题（如奥巴马医保、死刑）相关的现实世界 Twitter 数据集上验证该方法。

提出的方法

• 将联合推文目的与立场分类任务转化为多标签分类问题，以捕捉标签之间的相关性。
• 采用 RAkEL 算法进行多标签分类，使用 n-gram、词性（POS）和统计特征。
• 在基于 KNN 的邻居预测上应用两种后处理策略——求和与加权求和，以优化标签输出。
• 使用 KNN 识别每个测试推文的 K 个最相似训练实例，以支持后处理决策。
• 整合包括 1-gram、2-gram、POS 标签和统计特征（如词数、标点符号频率）在内的特征集合，以提升表示能力。
• 优化超参数，如 K（邻居数量），并评估不同取值下的敏感性。

实验结果

研究问题

• RQ1 与单独分类相比，联合预测推文目的与立场是否能提升分类性能？
• RQ2 后处理策略在优化多标签预测方面对推文分类的效能如何？
• RQ3 不同特征组合（如 n-gram、POS、统计特征）对分类准确率的影响是什么？
• RQ4 后处理性能对 K（邻居数量）的选择有多敏感？
• RQ5 能否在多标签框架中有效捕捉并利用目的与立场之间的标签相关性？

主要发现

• 在奥巴马医保数据集上，结合加权求和后处理的 RAkEL 多标签分类器相比 KNN 的 F1 分数提升了 29.65%。
• 在奥巴马医保与死刑两个数据集上，RAkEL 配合后处理均优于 KNN 与 SVM 分类器。
• （1+2）-gram、POS 与统计特征的组合表现最佳，在奥巴马医保数据集上相比仅使用 1-gram 特征的 F1 分数提升了 10.04%。
• 加权求和后处理策略在两个数据集上均持续优于简单的求和策略。
• 该方法对后处理中的 K 参数表现出较低敏感性，K 值从 2 到 30 变化时，性能差异小于 0.01。
• 结果验证了建模推文目的与立场之间相关性可有效提升分类准确率。