谁在此评论中被提及?新闻评论中元评论的自动分类
用户评论已成为在线新闻的重要组成部分。然而,新闻编辑室经常被大量多样的评论所淹没,手动分析几乎不可行。识别涉及或提及新闻编辑室、个别记者或版主的元评论,并可能需要做出反应,这尤为关键。本文提出了一种自动识别和分类元评论的方法。我们比较了基于手动提取特征的评论分类与端到端学习方法。我们在德国大型在线新闻机构SPIEGEL Online的评论数据集和奥地利报纸DER STANDARD的「百万帖子」语料库上开发、优化和评估了多个分类器。两种优化的分类方法都取得了令人鼓舞的F0.5值,介于76%至91%之间。我们报告了最具显著性的分类特征,并展示了定性分析结果,讨论了本研究如何有助于使在线新闻参与更具建设性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
暂无符合条件(≥60% 相似度)的相关论文
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
CSCW
calendar_month
年份
2018
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
—
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
0 篇相关论文