【CCM-计传阅读树01】论文《探测新闻的公共影响：基于话题感知的格兰杰检验方法》

来自：Hou L., Li J., Li XL., Jin J. (2016) Detecting Public Influence on News Using Topic-Aware Dynamic Granger Test. In: Frasconi P., Landwehr N., Manco G., Vreeken J. (eds) Machine Learning and Knowledge Discovery in Databases. ECML PKDD 2016. Lecture Notes in Computer Science, vol 9852. Springer, Cham

关键字:新闻， 用户生产内容（UGC）， 影响力，分布式表示，“格兰杰因果关系检验”(Granger causality test)

 

摘要：

随着Web2.0时代的快速发展，用户生产内容成为人们表达观点、发表言论、对新闻事件作出丰富、及时的反馈的手段。现存的研究或是分析新闻与UGC之间或显或隐的特点，或是描述新闻媒体影响公共舆论的能力。然而，在现今媒体-使用者高度交互的环境中，分析新闻所受到的公共影响，将对政府或企业的风险控制和信誉管理意义重大。本论文提出了一种创新的基于话题感知的格兰杰检验方法的框架，用于量化和特征化新闻所受到的公共影响。尤为特别的是，我们展示了语言和文档作为分布式低维向量，将有助于连续话题抽取（ the subsequent topic extraction）。这样一来，一个基于话题感知的动态策略就可将新闻和UGC转换为话题流（ topic series），并且最终我们运用格兰杰因果关系检验，分析了新闻所收到的公共影响。关于45个真实事件的大规模的实证研究表明，我们所提出的方法切实有效，其结果符合预期，即可在初期预测一个事件是否应被适当处理。