美国研究人员训练技术工具从书面对话中寻找关系线索

　　密歇根大学和诺基亚贝尔实验室的最新研究利用众包和一种技术工具来检测日常语言中书面语言的特征如何表达以及它们如何影响社会动态。通过检查1.6亿条Reddit消息，来自已失效的安然公司的290,000条电子邮件消息以及电影中的30万条对话，研究人员能够识别书面交流中的10个特征：知识，力量，地位，信任，支持，浪漫，相似，身份，乐趣和冲突。900多个众包注释者在Reddit帖子中标记了7,855个句子，在电影界中标记了400个，在Enron电子邮件中标记了436个，这表明了这10个特征的存在。然后，研究人员训练了一种深度学习分类工具，以查找这些特征及其在所有Reddit和Enron消息以及电影对话中所表现的关系。他们还使用了来自Tinghy.org(一项游戏化的心理测验)的数据，该测验使用10个维度来衡量Twitter用户对他们在线关系的看法，并研究了1,406个独特个人之间的1,772个关系。除了确定信息中已知的维度外，研究人员还发现知识是教育水平和收入的最重要的重要预测因子。支持和不信任是自杀率的两个最重要的预测指标;人口密度影响自杀率，城市地区越富裕，受教育程度越高，发生的病例就越少;同一性表达较少的州自杀率更高。这项研究在本周公布于大学网站上的研究还发现，受高等教育程度较高的州的冲突程度较低，与财富相关的表达数量减少，表明观点之间存在相似之处，这可能是结构和文化上的迹象。多元化的社区。该大学商学院的博士生Minje Choi说：“对于拥有这些对话数据并希望衡量其水平或维度变化(例如社交支持或数据冲突)的研究人员，它可以用作分析工具。”进行研究的信息。“它可以用来寻找时间变化或社区差异。” 结束语