动态文本数据的基于概念的视觉分析
摘要：社交媒体上信息、想法和思想的传播是通过多个社交群体之间以及内部相关的想法如何流动问题的分析有助于理解。现有的关于想法流动分析的动态文本分析工作主要基于主题模型。因此，当分析想法流动背后的原因时，人们必须检查想法的文本数据，这是令人困扰的，因为这些文本数量庞大且结构复杂。为了解决这个问题，我们提出了一种基于概念的动态视觉文本分析方法，该方法说明了想法内容的变化方式，并帮助用户分析想法流动的根本原因。我们使用概念来总结想法的内容，并通过流动线展示概念的流动。为了确保流动线的稳定性，我们使用约束的t-SNE投影算法来显示随时间变化的概念和它们之间的相关性。为了更好地传达概念的异常变化，我们提出了一种基于异常检测的方法来检测具有异常概念变化的时间段并突出显示它们。通过对真实的Twitter数据集进行定性评估和案例研究，证明了我们的视觉分析方法的正确性和有效性。
作者：Xiang Shouxing, Ouyang Fangxin, Liu Shixia
论文ID：2306.10462
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-06-21