推特情绪数据库怎么用的（）

利用Twitter数据进行社交焦虑情绪时空分析的工具

题目：

A Tool for Spatio-Temporal Analysis of Social Anxiety with Twitter Data

Joohong Lee，Dongyoung Son，Yong Suk Choi

Computation and Language

链接：

https://arxiv.org/abs/1901.08158

摘要

在本文中，我们提出了一种分析社交焦虑的时空分布的工具。Twitter是蕞受欢迎的社交网络服务之一，已被选为分析社交焦虑的数据来源。推特包含各种情绪，因此这些个人情绪反映了社会氛围和公众舆论，这些情绪往往取决于空间和时间因素。我们在各种情绪中选择焦虑的原因是焦虑是非常重要的情绪，对于观察和理解社区的社会事件是有用的。我们开发了一种基于机器学习的工具，用于在空间和时间上分析社会氛围的变化。我们的工具分类每条推文是否包含焦虑内容，并估计推文焦虑的程度。此外，它还将焦虑的时空分布可视化为一种Web应用程序，它与物理地图，文字云，搜索引擎和图表查看器相结合。我们的工具应用于韩国的大量推文数据，以说明其在时空上探索社会氛围和舆论的有用性。

要点

更准确地说，model的输入标记序列是通过将当前说话者的所有人物角色语句与对话框以前说话的历史记录连接起来，为每个说话构建的。从这个输入令牌序列中，转换器的输入嵌入序列构造如下:单词，在预训练阶段学习的位置嵌入被一组对话状态embeddings扩展，如图所示。这组额外的嵌入用于指示当前标记是

性格的句子

来自人物1的话语

来自人物2的话语。

Transformer模型的self-attention块的输入是每个单词的三种嵌入的和。

英文原文

In this paper, we present a tool for analyzing spatio-temporal distribution of social anxiety. Twitter, one of the most popular social network services, has been chosen as data source for analysis of social anxiety. Tweets contain various emotions and thus these individual emotions reflect social atmosphere and public opinion, which are often dependent on spatial and temporal factors. The reason why we choose anxiety among various emotions is that anxiety is very important emotion that is useful for observing and understanding social events of communities. We develop a machine learning based tool to analyze the changes of social atmosphere spatially and temporally. Our tool classifies whether each Tweet contains anxious content or not, and also estimates degree of Tweet anxiety. Furthermore, it also visualizes spatio-temporal distribution of anxiety as a form of web application, which is incorporated with physical map, word cloud, search engine and chart viewer. Our tool is applied to a big tweet data in South Korea to illustrate its usefulness for exploring social atmosphere and public opinion spatio-temporally.

海外精品引流脚本–最强海外引流  

官网：www.facebook18.com

唯一TG：https://t.me/Facebook181818