主题：自然语言理解分论坛
时间：2017年5月22日上午
地点：国家会议中心405
本文根据速记进行整理
社交媒体内容分析：自然语言处理方法和其它
黄锦辉
香港中文大學創新科技中心主任
香港中文大學工程學院副院長
香港廣州创新科技協会会長
朱小燕：下面有请香港中文大学创新科技中心主任、香港中文大学工程学院副院长、香港广州创新科技协会会长黄锦辉老师，他演讲的主题是“社交媒体内容分析：自然语言处理方法和其它”，大家欢迎！
黄锦辉：大家好！我的普遍话不是母语，但是我在北京也跑了好多年。我今天给大家分享的就是过去五、六年一些想法，这里有一些是从事实业的，可能觉得会这个有一点虚，可能还没有到落地的时候，但是大家可以给我们一些指正。
我们一直做Social Media。我分三部分来讲，首先是Introduction，这是2017年的一些数据，我们做了一个简单的统计。我们2011年的时候，所谓Microblog platforms，就是在WeChat，twitter，etc上。
看一下这个例子，比如李晨跟范冰冰这个例子，有很多不同的信息都出来了，可能没有注意到有很多东西都是没用的，只是跟着讲而已。
Microblog Repost Tree是两块，Structure和Messages。
这是举一个例子。从发起人开始，每一个信息如果合起来，就可以当成Document，每一片是Sentence。
NLP is applicable to microblogging。
NLP for Summarization。Discourse是我们会利用的东西。这是有关Sematic。比如有一个社交圈，已经有100人，运行了一个月，两个月，有一个新人进来这个圈，旧的100人突然发了一句“ABC”，对于现有的100个人当然知道是什么意思，但是新进来的人并不一定知道了，如果Summarization存在，就可以解决这个问题。
2013年Chang做过这个方法，认为效果不太好，主要的理由就是太短，噪音太多。
现在怎么做？先是聚类，Event-based，但是没有结构上的关系，只是把同类型的放在一起。
比如一个明星发一个东西出来，因为他是明星，有很多人跟随他，但是他所讲的东西有没有用呢？
我们怎么处理这个事情呢？Some microbloggers（ie leaders） are more influential than others（ie followers）。有一些人提到那些问题，加上新的资料上去，有一串人继续跟着你，我们利用leader follow。既然把leader follow分出来，我提出问题，我回答，我命令你，这些东西其实也不是什么新的东西。
我们另外看一个问题，Rumor Detection。Rumor是比格比较麻烦的事情，出来的时候会有很大影响。现在一般来看，只是看每一个词，或者每一个片语，或者是看整个信息的容量资料来判断。在整个过程之中，那些人用的词是会改的。有一个例子给大家看一下，这是Question mark的用途，另外一个是First-person pronoun。根据时间的变动，有新的技术可以帮助你去分析。
Time Series of Microblog Event.
这是Our Contributions.
Time Series Formation.
看一下这个图，有些信息是很多的，但是到这里就没有了，我们想把它切成三个。
谢谢大家！
提问A：您有没有做过话题之间的关联关系这种工作？
黄锦辉：有，我们一开始做的就是两个信息之间的关系…
提问B：微博评论把时间分割了，只保留波峰，波谷去掉了，我觉得这个事情没有说服力，波峰波谷的评论肯定也是有用的，出现波峰波谷会有一定的原因。
黄锦辉：我们碰到的问题，最直接，最自然可以做的…
主持人：再次感谢黄老师。
