SocialVisTUM: An Interactive Visualization Toolkit for Correlated Neural Topic Models on Social Media Opinion Mining

要約

意見マイニングの最近の研究では、従来のトピック モデリングと比較して優れた一貫性を提供する、単語埋め込みベースのトピック モデリング方法が提案されました。
この論文では、私たちが提案する対話型視覚化ツールキットである SocialVisTUM を使用して、これらのメソッドを使用してソーシャル メディア テキスト上に相関トピック モデルを表示する方法を示します。
トピックをノード、それらの相関関係をエッジとしたグラフが表示されます。
さらに詳細な情報がインタラクティブに表示され、大規模なテキスト コレクションの探索をサポートします。たとえば、トピックの代表的な単語や文、トピックとセンチメントの分布、階層的なトピックのクラスタリング、カスタマイズ可能な事前定義されたトピック ラベルなどです。
このツールキットは、一貫性を最適化するためにカスタム データを自動的に最適化します。
オーガニック食品の消費に関する英語のソーシャル メディアのディスカッションからクロールされたデータに関するツールキットの実際のインスタンスを示します。
この視覚化は、定性的な消費者調査研究の結果を裏付けています。
SocialVisTUM とそのトレーニング手順はオンラインでアクセスできます。

要約(オリジナル)

Recent research in opinion mining proposed word embedding-based topic modeling methods that provide superior coherence compared to traditional topic modeling. In this paper, we demonstrate how these methods can be used to display correlated topic models on social media texts using SocialVisTUM, our proposed interactive visualization toolkit. It displays a graph with topics as nodes and their correlations as edges. Further details are displayed interactively to support the exploration of large text collections, e.g., representative words and sentences of topics, topic and sentiment distributions, hierarchical topic clustering, and customizable, predefined topic labels. The toolkit optimizes automatically on custom data for optimal coherence. We show a working instance of the toolkit on data crawled from English social media discussions about organic food consumption. The visualization confirms findings of a qualitative consumer research study. SocialVisTUM and its training procedures are accessible online.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google