As a well-known text mining tool, topic modeling can effectively discover the latent semantic structure of text data. Extracting topics from documents is also one of the fundamental challenges in natural language processing. Although topic models have seen significant achievements over the past three decades, there remains a scarcity of methods that effectively model temporal aspect. Moreover, many contemporary topic models continue to grapple with the issue of noise contamination, particularly in social media data.
This book presents several approaches designed to address these two limitations. Initially, traditional lifelong topic models aim to accumulate knowledge learned from experience for future task. However, the sequence of topics extracted by these methods may shift over time, leading to semantic misalignment between the topic representations across document streams. Such misalignment can degrade the performances of various downstream tasks, including online document classification and dynamic information retrieval at the topic level. Additionally, the challenge of coherent topic modeling is particularly relevant due to the noise and large scale of social media datasets. Messages on social media platforms often consists of only a few words, resulting in a lack of significant context. Models applied directly to this type of text frequently encounter the problem of feature sparsity, which can yield unsatisfactory outcomes.
In the context of emotion detection, public emotions are known to fluctuate across different topics, and topics can evoke public emotion. Thus, there is a strong interconnection between topic discovery and emotion detection. Jointly modeling topics and emotions is a suitable strategy for these tasks. This book also examines the impact of topics on emotion detection and other related areas.
As a well-known text mining tool, topic modeling can effectively discover the latent semantic structure of text data. Extracting topics from documents is also one of the fundamental challenges in natural language processing. Although topic models have seen significant achievements over the past three decades, there remains a scarcity of methods that effectively model temporal aspect. Moreover, many contemporary topic models continue to grapple with the issue of noise contamination, particularly in social media data.This book presents several approaches designed to address these two limitations. Initially, traditional lifelong topic models aim to accumulate knowledge learned from experience for future task. However, the sequence of topics extracted by these methods may shift over time, leading to semantic misalignment between the topic representations across document streams. Such misalignment can degrade the performances of various downstream tasks, including online document classification and dynamic information retrieval at the topic level. Additionally, the challenge of coherent topic modeling is particularly relevant due to the noise and large scale of social media datasets. Messages on social media platforms often consists of only a few words, resulting in a lack of significant context. Models applied directly to this type of text frequently encounter the problem of feature sparsity, which can yield unsatisfactory outcomes.In the context of emotion detection, public emotions are known to fluctuate across different topics, and topics can evoke public emotion. Thus, there is a strong interconnection between topic discovery and emotion detection. Jointly modeling topics and emotions is a suitable strategy for these tasks. This book also examines the impact of topics on emotion detection and other related areas.
| Erscheint lt. Verlag | 21.7.2025 |
|---|---|
| Sprache | englisch |
| Themenwelt | Geisteswissenschaften ► Sprach- / Literaturwissenschaft ► Sprachwissenschaft |
| Mathematik / Informatik ► Informatik ► Datenbanken | |
| Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik | |
| Mathematik / Informatik ► Mathematik ► Statistik | |
| ISBN-10 | 981-96-8853-1 / 9819688531 |
| ISBN-13 | 978-981-96-8853-1 / 9789819688531 |
| Informationen gemäß Produktsicherheitsverordnung (GPSR) | |
| Haben Sie eine Frage zum Produkt? |
PDF (Wasserzeichen)Größe: 12,2 MB
DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.
Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
EPUB (Adobe DRM)Kopierschutz: Adobe-DRM
Adobe-DRM ist ein Kopierschutz, der das eBook vor Mißbrauch schützen soll. Dabei wird das eBook bereits beim Download auf Ihre persönliche Adobe-ID autorisiert. Lesen können Sie das eBook dann nur auf den Geräten, welche ebenfalls auf Ihre Adobe-ID registriert sind.
Details zum Adobe-DRM
Dateiformat: EPUB (Electronic Publication)
EPUB ist ein offener Standard für eBooks und eignet sich besonders zur Darstellung von Belletristik und Sachbüchern. Der Fließtext wird dynamisch an die Display- und Schriftgröße angepasst. Auch für mobile Lesegeräte ist EPUB daher gut geeignet.
Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen eine
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen eine
Geräteliste und zusätzliche Hinweise
Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.
aus dem Bereich
