machine-learning - 检测推文中的危险

Question

已结束。此问题正在寻求书籍、工具、软件库等的推荐。它不满足 Stack Overflow guidelines 。目前不接受答案。

---

我们不允许提出寻求书籍、工具、软件库等推荐的问题。您可以编辑问题，以便用事实和引文来回答。

已关闭 8 年前。

Improve this question

寻找关于确定一条推文(实际上是一个字符串)是否传达危险情绪的 API、方法、研究等。

例如:

• 危险:“街对面的房子着火了!!

• 不是危险:“这个女孩着火了!喜欢这首歌”

Answer 1

对检测危险的特定问题进行的研究很少，但有一些研究论文描述了检测自然灾害的方法。你的例子让人想起其中一个的标题:Finding Fires with Twitter 。您可能会发现有用的另一项研究是 Emergency Situation Awareness: Twitter Case Studies .

但是，一般来说，解决此类问题的最佳方法是通过监督分类，这与情感分析非常相似(或者更确切地说，是因为现在应用了更复杂的机器学习范例，例如Deep Learning)完成。

本质是将文档(在您的例子中是推文)标记为“危险”和“非危险”。该标签是由人类专家完成的。理想情况下，他们应该精通该语言和领域。因此，使用了解 Twitter 口语的以英语为母语的人将是完成此任务的完美注释者。

一旦标记了足够数量的文档，通常通过创建 n-gram 词向量作为特征向量并运行 SVM 来实现基线(即基本方法)。如果您不了解机器学习的详细信息，请在执行此操作之前先阅读它们。