隨筆檔案

大致內容：
這篇論文的任務是對twitter上的短文本進行分類，分到預先定義的5個類別中：news,event,opinions,deal,PM(private message)。該論文摒棄傳統的BOW特征模型而別出心裁地選取了8個特征（8F）：
1個是名詞性特性：用戶。這個特征是8F特征中最為主要的特征，因為它反映了信息源的主要類別特征。如，企業的用戶和個人用戶通常有著不同的用戶行為，這個特征可以限定該用戶tweet的分類范圍。
另外7個是binary feature（存在特征）:
俚語與詞語縮寫的使用：俚語和詞語縮寫通常不會是一個新聞
time-event短語：Event類別的重要特征
評論性詞語：Opinion類重要特征
詞語的強調（大寫或字母重要，如veeery）：同上
currency和percentage標志：如￥$%，這些都是Deal類別的重要特征
@usrname：這是PM的重要特征，當然也有可能是Event類中的一個特征（participants）。
實驗表明8F比BOW在精度上均為大幅提高。

使用工具：
weka

論文：
Bharath Sriram, Dave Fuhry, Engin Demir, Hakan Ferhatosmanoglu, Murat Demirbas:Short Text Classification in Twitter to Improve Information Filtering. Proceeding of the 33rd international ACM SIGIR conference on Research and development in information retrieval, Jul. 2010

論文鏈接：
SIGIR2010_Short_Text_Classification_in_Twitter_to_Improve_Information_Filtering.pdf