在娱乐领域，用户在推特上发布他们对即将到来的、当前的和过去的体验的期望和意见，而公司则为这些节目做广告和宣传。这种特征对客户和公司都很重要，它超越了传统的情绪分析，在这种分析中，意见中表达的情绪的极性通常被识别为积极、消极或中性。作者研究了不同的tweet表示模型，包括词包和概率主题模型，以阐明消息的语义。他们的实验表明，与基于TF-IDF的特征相比，使用潜在Dirichlet分配（LDA）生成的基于主题的模型在大多数情况下会产生更好的分类，特别是当这些模型包含自然语言特征和特定的推特俚语时<\/p> “，”DOI“：”10.4018\/ijswis.2013070101“，”type“：”journal-article“，”created“：{”date-parts“：[[2013,12,30]]，”date-time“：”2013-12-30T15:41:31Z“，”timestamp“：1388418091000}，”page“：“1-13”，”source“：，“作者”：[{“给定”：“Andr\u00e9s“，”family“：”Garc\u00eda-Silva“，”sequence“：”first“，”affiliation“：[{”name“：”Ontology Engineering Group，Universidad Polit\u00e9-cnica de Madrid，Madrid；Spain“}]}，{”given“：”V\u00edictor“，”家庭“：”Rodr\u00endguez-Doncel“本体工程小组，西班牙马德里马德里政治大学“}]}，{“given”：“Oscar”，“family”：“Corch”，“sequence”：“additional”，“affiliation”：[{“name”：“本体工程组，马德里政治大学\u00e9cnica de Madrid，Spain”}]]，“member”：“2432”，“reference”：[}“key”：”ijswis.2013070101-0“，”doi-asserted-by“：”crossref“，”非结构化”：“Asur，S.和Huberman，B.A.（2010）。通过社交媒体预测未来。2010年IEEE WIC ACM网络智能和智能代理技术国际会议论文集（第1卷，第492页，2013499）。华盛顿特区：IEEE计算机协会。“，”DOI“：”10.1109\/WI-IAT.2010.63“}，{”key“：”ijswis.2013070101-1“，”DOI-asserted-by“：”publisher“，“DOI”：“10.1142\/S1793351X07000238”}，“key”：“ijswis.2013070101-2”，“首页”：“993”，“article-title”：“潜在的dirichlet分配。”，“volume”：”3“，“author”：“D.M.Blei”，“year”：“2003”，“journ”al-title“：“机器学习研究杂志”}，{“key”：“ijswis.2013070101-3“，“非结构化”：“Davidov，D.，Tsur，O.，&Rappoport，A.（2010）。使用推特标签和笑脸增强情绪学习。第23届国际计算语言学会议论文集：海报（第241\u2013249页）。宾夕法尼亚州斯特劳德斯堡：计算语言学协会。“}，{”key“：”ijswis.2013070101-4“，”doi-asserted-by“：”crossref“，”unstructured“：”Derczynski，L.，Yang，B.，&Jensen，C.S.（2013）。面向社交媒体数据的上下文软件搜索和分析。《第十六届国际扩展数据库技术会议论文集：Edbt 2013》。“，”doi“：”10.1145 \/2452376.2452393“}”，{“key”：“ijswis.2013070101-5“，”doi-asserted-by“：”crossref“，”unstructured“：”Esmin，A.A.A.，Jr.R.L.D.O.，&Matwin，S.（2012）。推特中情感识别的层次分类方法。在ICMLA中，2381-385.“，”DOI“：”10.1109\/IMLA.2012.195“}，{“key”：“ijswis.2013070101-6”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1037\/h0031619”}，“key“：”ijswis.2013070101-7“，”DOI-assert-by“：”publisher由“：”publisher“，”DOI“：”10.1073\/pnas.0307752101“}插入，{”key“：”ijswis.2013070101-9“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/1964858“}，{”key“：”ijswis.2013070101-10“，”unstructured“：”Hu，Y.，John，A.，Wang，F.，&Kambhampati，S.（2012）.Et-lda:联合主题建模，用于对齐事件及其推特反馈。CoRR，abs\/1211.3089。“}”，{“key”：“ijswis.2013070101-11”，“doi-assert-by”：“publisher”，”doi:“10.1002\/asis.21149“}，{”key“：”ijswis.2013070101-12“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/1348549.1348556“}，{“key”：“ijswis.2013070101-13”，“unstructured”：“Kohavi，R.（1995）。精度估计和模型选择的交叉验证和引导研究。国际人工智能联合会议（第1137\u20131143页）。Morgan Kaufmann。”}，“key“：”ijswis.2013070101-14“，”doi-asserted-by“：”publisher“，”doi“：”10.1145\/1397735.1397741“}，{“key”：“ijswis.2013070101-15”，“unstructured”：“McCallum，A.，&Nigam，K.（1998）。朴素贝叶斯文本分类事件模型的比较。在AAAI-98文本分类学习研讨会（第41\u201348页）。AAAI出版社。”}，“{键”：“ijswis.2013070101-16“，“非结构化”：”McCallum，A.K.（2002）。Mallet：语言工具包的机器学习。检索自http://www.cs.umass.edu\/mccallum\/mallet“}，{“key”：“ijswis.2013070101-17”，“doi-asserted-by”：“crossref”，“unstructured”：“Newman，D.，Chemudungta，C.，Smyth，P.，&Steyvers，M.（2006）。使用统计主题模型分析新闻文章中的实体和主题。情报与安全信息学，93\u2013104。”，“doi”：“10.1007 \/11760146_9“}，{“key”：“ijswis.2013070101-18”，“article-title”：“从推特到民意调查：将文本情感与民意时间序列联系起来”，“author”：“B.O\u2019Connor”，“year”：“2010”，“journal-title“：“ICWSM.The AAAI Press”}，}，“key“：”ijswis.2013070101-19“，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/978-3642-28997-2_51}，{“键”：ijswis.2013070101-20“，“doi-asserted-by”：“publisher”，“doi”：“10.1561\/1500000011”}，{“key”：“ijswis.2013070101-21”，“unstructured”：“Quinlan，R.J.（1992）。连续课堂学习。《第五届澳大利亚人工智能联合会议论文集》（第343-348页）。新加坡：世界科学。”}doi-asserted-by“：”crossref“，”unstructured“：”Ramage，D.，Dumais，S.，&Liebling，D.（2010）。使用主题模型表征微博。第四届AAAI网络日志和社交媒体国际会议论文集。AAAI公司。“，”DOI“：”10.1609\/icwsm.v4i1.14026“}，{”key“：”ijswis.2013070101-23“，”DOI-asserted-by“：”crossref“，”unstructured“：”Salton，G.，&Buckley，C.（1988）.自动文本检索中的术语加权方法.信息处理与管理（pp.513\u2013523）.“，”DOI“：doi由“：”crossref“，”非结构化“断言：”Wallach，H.M.，Murray，I.，Salakhuttinov，R.，&Mimno，D.（2009年6月）。主题模型的评估方法。L.Bottou和M.Littman（编辑），《第26届机器学习国际会议论文集》（icml）（第1105\u20131112页）。加拿大蒙特利尔：无所不能。“，”DOI“：”10.1145\/1553374.1553515“}]，”container-title“：[”International Journal on Semantic Web and Information Systems“]，”original-title”：[]，“language”：“ng”，“link”：[{“URL”：“https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=97650”，“content-type”：“unspecified”，“内容-版本”：“vor”，“intended-application”：“相似性检查”}]，“存放”：{“date-parts“：[[2023,7,9]]，“date-time”：“2023-07-09T11:11:25Z”，“timestamp”：1688901085000}，“score”：1，“resource”：{“primary”：{“URL”：“https:\/\/services.igi-global.com/resolvedoi\/resolve.aspx？doi=10.4018\/ijswis.2013070101”}}，”subtitle“：[”娱乐领域的用例“]，”shortittle“：[]，”issued“：{”date-part“：[2013,7,1]]}，”references-count“：25，”journal-issue“：{”issue“：“3”，“published-print”：{“date-parts”：[[2013,7]]}}，“URL”：“http://\/dx.doi.org\/10.4018\/ijswis.2013070101”，“relation”：{}，”ISSN“：[”1552-6283“，”1552-6.291“]，”ISSN-type“：[{”value“：”1552-6383“，“type”：“print”}，{“value”：“1552-6291”，“type”：“electronic”}]，“subject”：[]，“published”：{“date-parts”：[[2013,7,1]]}}}