@正在进行{amba-hombaiah-etal-2023-creator,title=“推文推荐的创建者上下文”,author=“Amba Hombaiah、Sporthi和陈、陶和张明扬和本德斯基、迈克尔和纳约克、马克和Colen、Matt和列维、谢尔盖和Ofitserov、Vladimir和阿明、坦维尔“,editor=“王、明轩和伊梅德·齐图尼“,booktitle=“2023年自然语言处理实证方法会议记录:行业轨迹”,月=12月,年=“2023”,address=“新加坡”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.emnlp-industry.34”,doi=“10.18653/v1/2023.emnlp-industry.34”,pages=“353--363”,抽象=“当讨论一条推文时,人们通常不仅指它所传递的内容,还指推文背后的人。换句话说,根据推文创作者的背景来解释推文,对于解读推文的真正意图和重要性具有重要作用。在本文中,我们试图回答这个问题如何使用创建者上下文来促进对推特的理解。具体来说,我们调查了不同类型的创建者上下文的有用性,并检查了在推特建模中合并创建者语境的不同模型结构。我们在实际用例{--}上评估我们的推文理解模型,将相关推文推荐给新闻文章。这个用例已经存在于流行的新闻应用程序中,也可以作为记者的有用辅助工具。我们发现创建者上下文对于理解tweet至关重要,并且可以大幅提高应用程序指标。然而,我们也注意到,并非所有创作者上下文都是相等的。创建者上下文可能具有时间敏感性和噪音。精心选择创作者上下文和精心设计模型结构对创作者上下文的有效性起着重要作用。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“amba-hombaiah-etal-2023-creator”><标题信息><title>推特推荐的创建者上下文</title></titleInfo><name type=“个人”>SpurthiAmba Hombaiah<角色>作者</角色></name><name type=“个人”>道<namePart type=“family”>陈</namePart><角色>作者</角色></name><name type=“个人”>明阳<namePart type=“given”><namePart type=“family”>张<角色>作者</角色></name><name type=“个人”><namePart type=“given”>Michael</namePart>本德斯基<角色>作者</角色></name><name type=“个人”>马克纳约克<角色>作者</角色></name><name type=“个人”><namePart type=“given”>马特科尔<角色>作者</角色></name><name type=“个人”>谢尔盖列维<角色>作者</角色></name><name type=“个人”>弗拉基米尔Ofitserov公司<角色>作者</角色></name><name type=“个人”><namePart type=“given”>Tanvir</namePart>阿明(Amin)<角色>作者</角色></name><originInfo>2023-12年发布</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>2023年自然语言处理实证方法会议记录:行业跟踪</titleInfo><name type=“个人”>明轩王<namePart type=“family”><角色>编辑器</角色></name><name type=“个人”><namePart type=“given”>我是Zitouni公司<角色>编辑器</角色></name><originInfo><publisher>计算语言学协会</publisher><位置>新加坡</place></originInfo>会议出版物</relatedItem><abstract>在讨论推文时,人们通常不仅指推文所提供的内容,还指推文背后的人。换言之,将推文的解释置于其创作者的上下文中,对于解读推文的真实意图和重要性具有重要作用。在本文中,我们试图回答如何使用创建者上下文来促进推特理解的问题。具体来说,我们调查了不同类型的创建者上下文的有用性,并检查了在推特建模中合并创建者语境的不同模型结构。我们在实际用例上评估我们的推文理解模型——向新闻文章推荐相关推文。这个用例已经存在于流行的新闻应用程序中,也可以作为记者的有用辅助工具。我们发现创建者上下文对于理解tweet至关重要,并且可以大幅提高应用程序指标。然而,我们也注意到,并非所有创作者上下文都是相等的。创建者上下文可能具有时间敏感性和噪音。精心选择创作者上下文和精心设计模型结构对创作者上下文的有效性起着重要作用</摘要><identifier type=“citekey”>amba-hombaiah-etal-2023-创建者<identifier type=“doi”>10.18653/v1/2023。emnlp industry.34</identifier><位置><网址>https://aclantology.org/2023.emnlp-industry.34</url></位置><部分><日期>2023-12年</日期><扩展单元=“page”><开始>353</开始><end>363</范围></部分></mods></modsCollection>
%0会议记录%Tweet推荐的创建者上下文%A Amba Hombaiah,斯珀蒂%A Chen,Tao先生%A张,明阳%迈克尔·本德斯基%马克,纳沃克%马特·科伦%谢尔盖·A·列维%弗拉基米尔·奥菲塞罗夫%阿明,坦维尔%Y Wang、Mingxuan%伊梅德·齐图尼%2023年自然语言处理实证方法会议论文集:行业跟踪%D 2023年%12月8日%计算语言学协会%C新加坡%F amba-hombaiah-etal-2023-创造者%X在讨论推特时,人们通常不仅指推特所传递的内容,还指推特背后的人。换言之,将推文的解释置于其创作者的上下文中,对于解读推文的真实意图和重要性具有重要作用。在本文中,我们试图回答如何使用创建者上下文来促进推特理解的问题。具体来说,我们调查了不同类型的创建者上下文的有用性,并检查了在推特建模中合并创建者语境的不同模型结构。我们在实际用例上评估我们的推文理解模型——向新闻文章推荐相关推文。这个用例已经存在于流行的新闻应用程序中,也可以作为记者的有用辅助工具。我们发现创建者上下文对于理解tweet至关重要,并且可以大幅提高应用程序指标。然而,我们也注意到,并非所有创作者上下文都是相等的。创建者上下文可能具有时间敏感性和噪音。精心选择创作者上下文和精心设计模型结构对创作者上下文的有效性起着重要作用。%R 10.18653/v1/2023.emnlp行业34%U型https://aclantology.org/2023.emnlp-industry.34%U型https://doi.org/10.18653/v1/2023.emnlp-industry.34%电话:353-363
降价(非正式)
[推文推荐的创建者上下文](https://aclantology.org/2023.emnlp-industry.34)(Amba Hombaiah等人,EMNLP 2023)
国际计算语言学协会
- 斯珀蒂·安巴·洪比亚(Spurthi Amba Hombaiah)、陈涛(Tao Chen)、张明扬(Mingyang Zhang)、迈克尔·本德斯基(Michael Bendersky)、马克·纳约克(Marc Najork)、马特·科伦(Matt Colen)、谢尔盖·列维(Sergey Levi)、弗拉基。2023推文推荐的创建者上下文.英寸2023年自然语言处理实证方法会议记录:行业跟踪,第353–363页,新加坡。计算语言学协会。