Sosiaalisen median luonnollisen kielen käsittely — Lyhyen ja epäselvän tekstin analyysi

Sosiaalisen median luonnollisen kielen käsittely (Social Media NLP) on erikoistunut luonnollisen kielen käsittelyputki, joka on suunniteltu lyhyelle, epäselvälle ja epämuodolliselle tekstille, jota esiintyy alustoilla kuten Twitter, Reddit ja kommenttiosiot. Toisin kuin yleiskäyttöiset luonnollisen kielen käsittelymenetelmät, tämä putki ottaa huomioon alustakohtaiset käytännöt — hashtagit, emojit, lyhenteet ja kielten sekoittuminen — mahdollistaen tehtäviä kuten hashtag-analyysi, viraalisen sisällön tunnistus ja yleisen mielipiteen mittaus. Tämän lähestymistavan vertailuperinteet vakiinnutettiin SemEval-2017 Task 4 -jaetulla tehtävällä (Rosenthal et al., 2017) ja TweetEval-yhtenäisellä vertailulla (Barbieri et al., 2020).