机器学习模型检测社交媒体上的用户死亡

一篇新的论文详细介绍了能够自动检测社交网站上已故用户的机器学习分类器的开发。该研究利用了从Wikidata和X（前身为Twitter）汇编的新数据集，训练了包括SVM和RF等传统算法以及BiLSTM、CNN和BERT等深度学习模型的各种模型。研究发现，BERT取得了最高的性能，优于所有其他模型。对语言特征的分析显示，死后推文表现出更高的负面情绪，并且更频繁地使用与消极、家庭、宗教和死亡相关的词语，而生前推文则表现出更高的中性情绪，并且更频繁地使用非人称代词和非正式语言。 AI

影响 这项研究可能带来更敏感和自动化的方法来管理数字遗产和理解在线社交动态。

排序理由 学术论文，详细介绍了用于特定任务的新型ML模型和数据集。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Bert
• BiLSTM
• CNN
• fastText
• glove
• k-nearest neighbors algorithm
• support vector machine
• tf–idf
• Wikidata
• Word2vec
• X

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →