您的位置：：天顶娱乐网 >> 成振宇

人工智能系统通过对Twitter帖子的分析来预测选举结果胡培蔚

时间：2022年08月05日

人工智能系统通过对Twitter帖子的分析来预测选举结果

格拉纳达大学的科学家已将人工智能技术应用于Twitter上的大量数据分析，在上一次美国大选期间创建了政治预测系统

格拉纳达大学计算机科学与人工智能系的研究人员对基于人工智能技术的系统进行了建模，该技术可实现可以通过分析Twitter上的观点来预测选举结果。

在国际期刊上发表的一项研究中 IEEE Access上，UGR的科学家解释了他们的描述性大数据系统，该系统能够处理来自Twitter的大量非结构化信息。

使用这种方法，他们能够创建政治预测系统并通过2016年现实生活中的美国大选进行验证，唐纳德·特朗普在这场选举中击败了希拉里·克林顿

政治讨论也许比以往任何时候都更为普遍-人们只需要查看社交网络来证明这一点，并且每天都有大量的帖子和主题专门讨论政治话题。

用于这些目的的最广泛使用的社交网络之一是Twitter，其中政党，领导人和活动家的观点与仅对政治感兴趣的人的观点相结合。

有效处理这些数据并将其转换为知识的能力是一项艰巨的任务，它可以为从学术界到企业或新闻界的无数领域带来益处。

UGR研究是努力总结大量数据并将其简化为清晰，简明的信息的结果。

该系统由UGR计算机科学和人工智能系的JoséángelDíazGarcía，MaríaDolores Ruiz和MaríaJoséMartín-Bautista开发。

在与两名政治家及其各自政策和希拉里·克林顿的政策）有关的现实生活比较问题上进行了测试，他们在2016年11月美国大选中发生了正面冲突。

情绪和情感分析

由UGR科学家设计的系统在Twitter上有关两个政客的概念和讨论之间提供了一系列关联，以及这些辩论所产生的情感和情感。

作者解释说：“我们系统的核心是我们所说的无监督人工智能技术，即不依赖预先标记数据库的技术。”

在这些技术中，尤为重要的是关联规则，因为这些规则使得可以通过情感词典和词典来进行情感分析。“

如今，这些技术具有巨大的价值，因为它们提供了易于解释和易于理解的解决方案。

它们使数据可直接追溯，并提供了易于解释的结果，这些结果可能被没有技术知识的人使用，从而使获取人工智能的方式民主化。”作者继续。

这种新的描述性方法不同于面向预测情感分析的传统机器学习模型。那些需要大型的预先标记的数据库，并且由于高度复杂的数学改编，通常提供极难解释的解决方案。

对新系统取得的结果进行的分析表明，在将其应用于美国大选的情况下，其获得具有重要描述价值的关联规则和情感模式的能力。因此，可以得出这些模式与现实事件之间的相似之处。

例如，系统发现的一些相似之处可能是在禁止/服务/变性人和唐纳德·特朗普之间建立了非常牢固的联系。这表明现任美国总统与跨性别人士被禁止服兵役有关，这一举动已在2016年进行了审议，并在2017年得到确认。

关于情绪，该系统显示，美国社会对希拉里·克林顿的愤怒程度高于对特朗普的愤怒。相比之下，后者因他与“信任”的情感联系而脱颖而出，换句话说，有关特朗普的推文来自对他当总统有高度信心的人。

如果我们考虑到数据是在竞选期间处理的，那么甚至可以在导致唐纳德·特朗普获胜的随后结果中得出类似的结论。