ScholarGate
Assistent
Process / pipeline

PNL de xarxes socials — Anàlisi de text per a text curt i sorollós

El PNL de xarxes socials és un pipeline especialitzat de processament de llenguatge natural dissenyat per al text curt, sorollós i informal que apareix en plataformes com Twitter, Reddit i seccions de comentaris. A diferència del PNL de propòsit general, aquest pipeline té en compte les convencions específiques de la plataforma —etiquetes, emojis, abreviatures i canvi de codi—, permetent tasques com l'anàlisi d'etiquetes, la detecció de contingut viral i la mesura de l'opinió pública. La tradició de referència per a aquest enfocament es va establir a través de la tasca compartida SemEval-2017 Task 4 (Rosenthal et al., 2017) i el benchmark unificat TweetEval (Barbieri et al., 2020).

Obre a MethodMindAviatVídeoAviatBaixa les diapositives

Llegeix el mètode complet

Només per a membres

Inicia la sessió amb un compte gratuït per llegir aquesta secció.

Inicia la sessió

Mapa de mètodes

El veïnat de mètodes relacionats — seleccioneu un node per explorar-lo.

Fonts

  1. Rosenthal, S. et al. (2017). SemEval-2017 Task 4: Sentiment Analysis in Twitter. Proceedings of the 11th International Workshop on Semantic Evaluation (SemEval-2017). ACL. link
  2. Barbieri, F. et al. (2020). TweetEval: Unified Benchmark and Comparative Evaluation for Tweet Classification. Findings of the Association for Computational Linguistics: EMNLP 2020. link

Com citar aquesta pàgina

ScholarGate. (2026, June 1). Social Media Text Analysis (NLP Pipeline). ScholarGate. https://scholargate.app/ca/text-mining/social-media-nlp

Quin mètode?

Poseu aquest mètode al costat dels seus parents més pròxims i llegiu-los de costat a costat — la biblioteca disposa els llibres sobre la taula; la tria és vostra.

Compara de costat a costat
ScholarGateSocial Media NLP (Social Media Text Analysis (NLP Pipeline)). Recuperat el 2026-06-15 de https://scholargate.app/ca/text-mining/social-media-nlp · Conjunt de dades: https://doi.org/10.5281/zenodo.20539026