FORMALISM
We are given a database X of records x= (u, t, s, p) where u ∈U denotes a user expressing sentiments ∈ [-1,1] on a topic t ∈ T in a time period p characterized with a start and end timestamps.
In our definitions we assume that sentiments are extracted for a given topic. For example, the record x1 =( u1,Politics,0.8,p1) means that user u1 expressed a positive sentiment (i.e., +0.8) for “Politics” during time period p1. Such information can be extracted from the tweets of user u1 during that time period. There cord x2 = (u2, Drama, -0.5, p2) expresses a negative sentiment for “Drama” movies by user u2 during time period p2. This information can be computed from movie rating datasets such as MovieLens.
เป็นพิธี
ที่เราจะได้รับ X ฐานข้อมูลของระเบียน x = (U, T, S, P) ที่∈U U หมายถึงผู้ใช้แสดงความรู้สึก∈ [-1,1] ในหัวข้อ T ∈ T ในช่วงเวลา P โดดเด่นด้วย เริ่มต้นและสิ้นสุด timestamps.
ใน nitions Fi ของเราที่เราคิดว่าจะถูกดึงความรู้สึกสำหรับหัวข้อที่กำหนด ยกตัวอย่างเช่นการบันทึก X1 = (U1, การเมือง, 0.8, P1) หมายความว่าผู้ใช้ U1 แสดงความเชื่อมั่นในเชิงบวก (เช่น 0.8) สำหรับ "การเมือง" ในช่วงระยะเวลา P1 ข้อมูลดังกล่าวสามารถสกัดได้จากทวิตเตอร์ของ U1 ผู้ใช้ในช่วงเวลานั้น มีสาย X2 = (U2, Drama, -0.5, P2) เป็นการแสดงออกถึงความเชื่อมั่นในเชิงลบสำหรับ "ละคร" ภาพยนตร์โดย U2 ผู้ใช้ในช่วงเวลา P2 ข้อมูลนี้สามารถคำนวณจากชุดข้อมูลคะแนนภาพยนตร์เช่น MovieLens
การแปล กรุณารอสักครู่..
แบบเราได้รับฐานข้อมูล x ประวัติ x = ( u , t , S , P ) U U หมายถึงผู้ใช้ที่∈ expressing ความรู้สึก∈ [ - 1 , 1 ] ในหัวข้อ∈ T T ในช่วงเวลา P ลักษณะเริ่มต้นและสิ้นสุดเวลาประทับ .ในของเรา เดอ จึง nitions เราคิดว่าความรู้สึกจะถูกกำหนดหัวข้อ ตัวอย่าง บันทึก x1 = ( U1 , การเมือง , 0.8 , U1 P1 ) หมายความว่าผู้ใช้มีความเชื่อมั่นทางบวก ( เช่น + 0.8 ) " การเมือง " ระหว่าง P1 ระยะเวลา ข้อมูลดังกล่าวสามารถสกัดได้จากทวิตเตอร์ขององค์กรผู้ใช้ในช่วงเวลาที่ . มีสายไฟ x2 = ( U2 , ละคร , - 0.5 , P2 ) แสดงความเชื่อมั่นเชิงลบ " ละคร " ภาพยนตร์โดย U2 P2 ผู้ใช้ในระหว่างระยะเวลา ข้อมูลนี้สามารถคำนวณได้จากการรวมข้อมูลหนัง เช่น movielens .
การแปล กรุณารอสักครู่..