4、利用 Twitter 丰富电信警报语义信息

利用 Twitter 丰富电信警报语义信息

1. 引言

社交网络如 Twitter 和 Facebook 的日益流行，让社交媒体成为人们生活的重要组成部分。这些网络易于访问，全球有数亿用户实时阅读、发布和分享消息，成为信息的重要来源，也适合计算工具挖掘宝贵知识，如人们对特定主题的看法、当前趋势或一般事件。

受从 Twitter 挖掘有用信息的工作启发，我们的项目旨在利用这个社交网络，为电信网络中因技术问题触发的警报进行语义丰富。理想情况下，Twitter 能提供相关信息，帮助更好地理解警报原因（如自然灾害、事故、人员聚集），使网络管理者采取额外措施，减少负面影响。还可用于分析警报对网络客户的影响，如是否引发抱怨推文。

为此，我们使用了葡萄牙电信一个月内触发的所有警报，以及同一时期从 Twitter 公共流式 API 收集的葡萄牙语推文。本文报告了对这些数据集的实验，以评估 Twitter 用于此任务的适用性。尽管面临诸多挑战，如葡萄牙人口少、Twitter 普及度低、免费获取推文样本小以及部分警报持续时间长等，但我们相信部分结果对其他使用葡萄牙语推文的研究者有参考价值。

2. 背景与相关工作

Twitter 是一个微博社交网络，每月约有 2.88 亿活跃用户，每天发送 5 亿条消息（推文）。大量实时推文使其成为文本挖掘和信息提取（IE）研究的有吸引力的媒介。然而，Twitter 有其特殊性，推文使用非正式语言、有很多缩写、忽略语法规则、字数限制为 140 字符且使用主题标签提供额外上下文，传统工具在处理时性能不佳，因此需要专门的自然语言处理（NLP）工具，如命名实体识别器，用于意见挖掘或事件检测等任务。

与我们工作相