使用自然语言处理测试网络集群算法
Ixandra Achitouv1,2, David Chavalarias2,3, Bruno Gaume2,4
1Sorbonne University, CNRS, LIP6, Paris, France.
Frontiers in artificial intelligence
|December 1, 2025
概括
我们开发了一种混合方法来评估在线社区结构与用户语言的匹配程度. 我们的方法从最小的文本准确地预测社区成员资格,验证社区检测算法而不需要手动标签.
科学领域:
- 计算社会科学 计算社会科学
- 网络科学 网络科学
- 自然语言处理自然语言处理.
背景情况:
- 社交网络中的社区检测算法 (CDA) 经常被验证,假设它们的输出是基本的真相.
- 在这些检测到的社区中评估用户生成文本的语言连贯性对于细微的理解至关重要.
研究的目的:
- 提出并验证一种混合方法来评估在线社交网络中结构性社区和语言一致性之间的协调性.
- 为使用自然语言处理分类算法 (NLPCA) 评估社区检测算法 (CDA) 提供一个新的框架.
主要方法:
- 开发了一种混合方法,将社区检测算法 (CDA) 和自然语言处理分类算法 (NLPCA) 结合起来.
- 基于BERTweet的模型在Twitter数据上接受了有关气候变化讨论的培训,以将用户分类为CDA生成的社区.
- 使用分类准确度和覆盖精度权衡指标来评估CDA性能,而无需手动注释.
主要成果:
- 最优的CDA/NLPCA组合在预测用户社区时,仅用三个短句就能达到超过85%的准确性.
- 这种高准确度表明,互动网络的结构模式与在线话语中的语言模式之间存在显著的对齐.
结论:
- 拟议的框架有效地根据语义可预测性对CDA进行评分,并允许从最小的文本预测社区成员资格.
- 这种方法为低监督的NLP任务提供了实际的好处,并且可以适应各种社交平台,为评估在线社区一致性提供了通用化的方法.
更多相关视频
12:27Large-scale Reconstructions and Independent, Unbiased Clustering Based on Morphological Metrics to Classify Neurons in Selective Populations
Published on: February 15, 2017
7.3K
08:42Assessment of Social Cognition in Non-human Primates Using a Network of Computerized Automated Learning Device ALDM Test Systems
Published on: May 5, 2015
12.6K
