In this work, we address the new pr

In this work, we address the new problem of topically annotating a trending hashtag using Wikipedia entities, which has many important applications in social media analysis. We study Wikipedia temporal resources and find that using efficient time series-based measures can complement content-based methods well in the domain of Twitter. We propose use similarity measures to model both the local mention-based, as well as the global context- and time-based prominence of entities. We propose a novel strategy of topical annotation of texts using and influence maximization approach and design an efficient learning algorithm to automatically unify the similarities without the need of human involvement. The experiments show that our method outperforms significantly the established baselines.

Kết quả (Việt) 1:

Trong tác phẩm này, chúng tôi giải quyết vấn đề mới của tại chỗ annotating một hashtag xu hướng sử dụng Wikipedia thực thể, có nhiều ứng dụng quan trọng trong phương tiện truyền thông xã hội phân tích. Chúng tôi nghiên cứu tài nguyên thời gian Wikipedia và tìm thấy rằng bằng cách sử dụng các biện pháp hiệu quả thời gian dựa trên loạt có thể bổ sung cho nội dung dựa trên phương pháp cũng thuộc phạm vi của Twitter. Chúng tôi đề xuất các biện pháp tương tự sử dụng để mô hình cả hai địa phương dựa trên đề cập đến, cũng như nổi tiếng toàn cầu bối cảnh và thời gian-dựa trên các thực thể. Chúng tôi đề xuất một chiến lược mới lạ của các chú thích chủ đề của văn bản bằng cách sử dụng và ảnh hưởng cách tiếp cận tối đa hóa và thiết kế một thuật toán hiệu quả học tập để tự động thống nhất những điểm tương đồng mà không cần sự tham gia của con người. Các thí nghiệm cho thấy rằng phương pháp của chúng tôi nhanh hơn so với một cách đáng kể các đường cơ sở được thành lập.

Kết quả (Việt) 2:

Trong công trình này, chúng ta giải quyết vấn đề mới tại chỗ chú thích một hashtag xu hướng sử dụng các thực Wikipedia, trong đó có nhiều ứng dụng quan trọng trong phân tích phương tiện truyền thông xã hội. Chúng tôi nghiên cứu Wikipedia nguồn lực thời gian và tìm thấy rằng việc sử dụng các biện pháp loạt dựa trên thời gian hiệu quả có thể bổ sung cho các phương pháp dựa trên nội dung tốt trong lĩnh vực của Twitter. Chúng tôi đề xuất các biện pháp tương tự sử dụng để mô hình cả hai đề cập đến trụ sở, cũng như các context- địa phương toàn cầu và sự nổi bật dựa trên thời gian của các thực thể. Chúng tôi đề xuất một chiến lược mới của chú thích đề của văn bản bằng cách sử dụng phương pháp tiếp cận và ảnh hưởng tối đa hóa và thiết kế một thuật toán học hiệu quả để tự động thống nhất những điểm tương đồng mà không cần sự tham gia của con người. Các thí nghiệm cho thấy phương pháp của chúng tôi làm việc tốt hơn đáng kể các đường cơ sở được thành lập.