Post-Annotations

​

Übersicht

Annotations wurden dem Post-Objekt in allen v2 endpoint zurückgegeben. Post-Annotations bieten eine Möglichkeit, kontextbezogene Informationen über den Post selbst zu verstehen. Obwohl 100 % der Posts geprüft werden, wird aufgrund des Inhalts des Post-Texts nur ein Teil annotiert.

1. Entity-Annotations (NER): Entities umfassen Personen, Orte, Produkte und Organisationen und werden im entity-Payload-Abschnitt bereitgestellt. Sie werden programmatisch basierend auf dem, was im Post-Text ausdrücklich erwähnt wird (Named-Entity Recognition), zugewiesen.

2. Context-Annotations: Abgeleitet aus der Analyse des Textes eines Posts enthalten Context-Annotations eine Kombination aus Domain und Entity, um Posts zu Themen zu entdecken, die zuvor möglicherweise schwer auffindbar waren. Wir verwenden derzeit über 80 Domains, um Posts zu kategorisieren. Eine CSV-Datei der verfügbaren Context-Annotation-Entities ist in unserem GitHub-Repository verfügbar.

​

Post-Annotationstypen

​

Entities

Entitätsannotationen sind programmatisch definierte Entitäten innerhalb des entities-Felds und werden im Payload als Annotations wiedergegeben. Jede Annotation hat einen Konfidenzwert und gibt an, wo im Post-Text die Entitäten identifiziert wurden (mithilfe der Felder start und end).

Die Typen von Entitätsannotationen umfassen:

• Person - Beispiele: Barack Obama, Daniel, George W. Bush
• Ort - Beispiele: Detroit, Cali, San Francisco
• Produkt - Beispiele: Mountain Dew, Mozilla Firefox
• Organisation - Beispiele: Chicago White Sox, IBM
• Sonstiges - Beispiele: Diabetes, Super Bowl 50

​

Kontext

Zuletzt aktualisiert: Juni 2022

Kontext-Annotations werden im Feld context_annotations der Nutzlast bereitgestellt. Sie werden auf Grundlage einer semantischen Analyse von Schlüsselwörtern, Hashtags, Handles usw. im Post-Text abgeleitet und führen zu Domänen- und/oder Entitätslabels. Derzeit verwenden wir über 80 Domänen, wie in der Tabelle unten gezeigt.

Domänenkategorien	Domänencodes
3: TV-Sendungen	46: Markenkategorie
4: TV-Episoden	47: Marke
6: Sportereignisse	48: Produkt
10: Person	54: Musiker
11: Sport	55: Musikgenre
12: Sportteam	56: Schauspieler
13: Ort	58: Unterhaltungspersönlichkeit
22: TV-Genres	60: Athlet
23: TV-Kanäle	65: Interessen- und Hobby-Vertical
26: Sportliga	66: Interessen- und Hobby-Kategorie
27: American-Football-Spiel	67: Interessen und Hobbys
28: NFL-Spiel	68: Hockeyspiel
29: Ereignisse	71: Videospiel
31: Community	78: Videospiel-Publisher
35: Politiker	79: Videospiel-Hardware
38: Wahlkampf	83: Cricket-Spiel
39: Basketballspiel	84: Buch
40: Sportserie	85: Buchgenre
43: Fußballspiel	86: Film
44: Baseballspiel	87: Filmgenre
45: Marken-Vertical	88: Politisches Gremium
46: Markenkategorie	89: Musikalbum
47: Marke	90: Radiosender
48: Produkt	91: Podcast
54: Musiker	92: Sportpersönlichkeit
55: Musikgenre	93: Trainer
56: Schauspieler	94: Journalist
58: Unterhaltungspersönlichkeit	95: TV-Kanal [Entity Service]
60: Athlet	109: Wiederkehrende Trends
65: Interessen- und Hobby-Vertical	110: Virale Accounts
66: Interessen- und Hobby-Kategorie	114: Konzert
67: Interessen und Hobbys	115: Videospielkonferenz
68: Hockeyspiel	116: Videospielturnier
71: Videospiel	117: Filmfestival
78: Videospiel-Publisher	118: Preisverleihung
79: Videospiel-Hardware	119: Feiertag
83: Cricket-Spiel	120: Digitaler Creator
84: Buch	122: Fiktive Figur
85: Buchgenre	130: Multimedia-Franchise
86: Film	131: Vereinheitlichte Twitter-Taxonomie
87: Filmgenre	136: Videospielpersönlichkeit
88: Politisches Gremium	137: Esports-Team
89: Musikalbum	138: Esports-Spieler
90: Radiosender	139: Fan-Community
91: Podcast	149: Esports-Liga
92: Sportpersönlichkeit	152: Lebensmittel
93: Trainer	155: Wetter
94: Journalist	156: Städte
95: TV-Kanal [Entity Service]	157: Hochschulen & Universitäten
109: Wiederkehrende Trends	158: Sehenswürdigkeiten
110: Virale Accounts	159: Bundesstaaten
114: Konzert	160: Länder
115: Videospielkonferenz	162: Bewegung & Fitness
116: Videospielturnier	163: Reisen
117: Filmfestival	164: Studienfächer
118: Preisverleihung	165: Technologie
119: Feiertag	166: Aktien
120: Digitaler Creator	167: Tiere
122: Fiktive Figur	171: Lokale Nachrichten
130: Multimedia-Franchise	172: Globale TV-Sendung
131: Vereinheitlichte Twitter-Taxonomie	173: Google-Produkt-Taxonomie
136: Videospielpersönlichkeit	174: Digitale Vermögenswerte & Krypto
137: Esports-Team	175: Notfallereignisse
138: Esports-Spieler

Hinweis: Domain 131 (Unified Twitter Taxonomy) bezieht sich auf die nutzerorientierte Interessen-Taxonomie von X. Diese Taxonomie unterstützt Funktionen auf der Plattform wie Topics.

​

Annotations anfordern

​

Beispielanfrage

curl --location --request GET 'https://api.x.com/2/tweets/1212092628029698048?tweet.fields=context_annotations,entities' --header 'Authorization: Bearer $BEARER_TOKEN'

​

Beispielantwort

{
    "data": {
        "context_annotations": [
            {
                "domain": {
                    "id": "119",
                    "name": "Feiertag",
                    "description": "Feiertage wie Weihnachten oder Halloween"
                },
                "entity": {
                    "id": "1186637514896920576",
                    "name": "Silvester"
                }
            },
            {
                "domain": {
                    "id": "119",
                    "name": "Feiertag",
                    "description": "Feiertage wie Weihnachten oder Halloween"
                },
                "entity": {
                    "id": "1206982436287963136",
                    "name": "Frohes neues Jahr: Endlich ist überall 2020!",
                    "description": "Erleben Sie Feuerwerke und andere Feierlichkeiten, während Menschen auf der ganzen Welt das neue Jahr begrüßen.\nFoto über @GettyImages"
                }
            },
            {
                "domain": {
                    "id": "45",
                    "name": "Markenbereich",
                    "description": "Übergeordnete Entitäten, die die Branche einer Marke beschreiben"
                }
            },
            {
                "domain": {
                    "id": "46",
                    "name": "Markenkategorie",
                    "description": "Kategorien innerhalb von Markenbereichen, die den Umfang von Marken eingrenzen"
                },
                "entity": {
                    "id": "781974596752842752",
                    "name": "Dienstleistungen"
                }
            },
            {
                "domain": {
                    "id": "47",
                    "name": "Marke",
                    "description": "Marken und Unternehmen"
                },
                "entity": {
                    "id": "10045225402",
                    "name": "Twitter"
                }
            }
        ],
        "entities": {
            "annotations": [
                {
                    "start": 144,
                    "end": 150,
                    "probability": 0.626,
                    "type": "Product",
                    "normalized_text": "Twitter"
                }
            ],
            "urls": [
                {
                    "start": 222,
                    "end": 245,
                    "url": "https://t.co/yvxdK6aOo2",
                    "expanded_url": "https://x.com/LovesNandos/status/1211797914437259264/photo/1",
                    "display_url": "pic.x.com/yvxdK6aOo2"
                }
            ]
        },
        "id": "1212092628029698048",
        "text": "Wir sind überzeugt, dass die beste zukünftige Version unserer API entstehen wird, indem wir sie gemeinsam mit IHNEN entwickeln. Auf ein weiteres großartiges Jahr mit allen, die auf der Twitter-Plattform entwickeln. Wir freuen uns darauf, im neuen Jahr weiter mit Ihnen zu arbeiten. https://t.co/yvxdK6aOo2"
    }
}

​

Beispiel-App

Sehen Sie sich den Post Entity Extractor auf Glitch an, um Kontext-Annotations in Posts leicht zu entdecken und zu sehen, wie diese Funktion arbeitet.

​

Häufige Fragen

​

Kontext-Annotations

Die folgenden Fragen beziehen sich speziell auf das Kontext-Element der Tweet-Annotations. Weitere Details finden Sie auf der Seite Übersicht.

Wie funktionieren die Twitter-Kontext-Annotations?

X klassifiziert Tweets semantisch. Das bedeutet, dass wir Listen von Schlüsselwörtern, Hashtags und @Handles zusammenstellen, die für ein bestimmtes Thema relevant sind. Enthält ein Tweet den von uns festgelegten Text, wird er entsprechend gekennzeichnet. Dies unterscheidet sich von einem Machine‑Learning‑Ansatz, bei dem ein Modell speziell darauf trainiert wird, Text (in diesem Fall Tweets) zu klassifizieren und zusammen mit dem Ergebnis bzw. der Klassifizierung eine Wahrscheinlichkeitsbewertung auszugeben.

Woher weiß ich, dass eure data vollständig und vertrauenswürdig sind?

Die Annotations von X werden von Fachexpertinnen und -experten kuratiert und basieren auf Forschungs- und QA-Prozessen, die über mehrere Jahre hinweg verfeinert wurden. Der Prozess wird durch maßgeschneiderte Tools unterstützt, um das Tracking von data so weit zu skalieren, wie wir eine hervorragende Präzision und einen hohen Recall aufrechterhalten können. Darüber hinaus werden unsere data regelmäßig von einem internen Team geprüft und haben in den vergangenen Quartalen eine Präzisionsbewertung von ca. 80 % erhalten.

Wie stellen Sie die Genauigkeit sicher?

Teammitglieder prüfen unsere Entities täglich, um hohe Präzision und Recall sicherzustellen. Zusätzlich wird unsere Arbeit vierteljährlich von einem internen Team geprüft, das manuell 10.000 Tweets aus all unseren Domänen überprüft, um einen Präzisionswert zu berechnen.

Wie entscheiden Sie, was nachverfolgt werden soll?

Für einige Bereiche wie Sport und TV setzen wir auf automatisierte Erfassung, um unseren Graphen aufzubauen. Im Bereich Nachrichten verfolgen wir data zu Stories, die vom Twitter-Moments-Team veröffentlicht wurden. Ansonsten nutzt das Team verschiedene Forschungsmethoden, um Themen zu identifizieren, die auf der Plattform besonders viele Gespräche auslösen.

Welche historische Unterstützung ist mit Tweet-Annotations verfügbar?

Die Datenerfassung beginnt in dem Moment, in dem eine Entität veröffentlicht wird; daher versehen wir keine Tweets mit Annotationen, die vor Beginn der Erfassung einer bestimmten Entität veröffentlicht wurden. Wenn beispielsweise eine aufstrebende Marke oder ein aufstrebendes Unternehmen zur Taxonomie hinzugefügt wird, versehen wir Tweets über diese Marke nicht rückwirkend mit Annotationen, die vor dem Zeitpunkt der Hinzufügung erstellt wurden.

Kann Twitter Tweets in nicht englischen Sprachen annotieren? Falls ja, welche Sprachen werden unterstützt und ändert sich die Abdeckung der annotierten Tweets?

Ja. Die Sprachabdeckung kann je nach Domäne und Markt variieren. Englisch und Japanisch sind in der Mehrzahl der größten Entitäten enthalten. Nachfolgend finden Sie eine Liste der Sprachen und Hauptmärkte, die derzeit abgedeckt sind:

1. Englisch (USA, UK)
2. Japanisch (Japan)
3. Portugiesisch (Brasilien)
4. Spanisch (Argentinien, Mexiko, Spanien)
5. Hindi (Indien)
6. Arabisch (Saudi-Arabien)
7. Türkisch (Türkei)
8. Indonesisch (Indonesien)
9. Russisch (Russland)
10. Französisch (Frankreich)

Demnächst verfügbar (~H2 2021):

1. Deutsch (Deutschland)
2. Tamil (Indien)

Nachfolgend finden Sie eine Tabelle der Top-15-Länder, geordnet nach dem höchsten Anteil annotierter Tweets:

Rang	Ländercode	Land	% der annotierten Tweets
1	IN	Indien	41%
2	VN	Vietnam	36%
3	GB	Großbritannien	36%
4	EC	Ecuador	35%
5	PE	Peru	33%
6	US	Vereinigte Staaten	32%
7	CA	Kanada	32%
8	AU	Australien	31%
9	JP	Japan	31%
10	PH	Philippinen	30%
11	SG	Singapur	30%
12	MY	Malaysia	30%
13	MX	Mexiko	30%
14	GB	Großbritannien	29%
15	NG	Nigeria	29%

Auf welche zugrunde liegende „Semantik“ stützt sich Twitter, um einen Tweet zu annotieren?

Tweet-Annotations bestehen aus folgenden Semantiken zur Anreicherung eines Tweets:

• Accounts – wir können tweets eines bestimmten Handles oder mit Erwähnung dieses Handles annotieren
• Hashtags
• Schlüsselwörter/Phrasen

Für Kunden, die mit gefilterten Streaming-APIs wie PowerTrack vertraut sind, ähneln die von Annotations verwendeten Semantiken grundsätzlich den booleschen Regeln, die zum Filtern eines Streams von Tweets definiert sind. Wenn ein Tweet die zugrunde liegenden semantischen Bedingungen erfüllt, wird er entsprechend gekennzeichnet.

Warum sind einigen Tweets Entitäten zugeordnet, während anderen keine zugeordnet sind?

Das Ziel ist, so viele Tweets wie möglich zu annotieren; es gibt jedoch mehrere Gründe, warum einige Tweets nicht annotiert werden:

• Einige Tweets sind semantisch nicht aussagekräftig genug, um gekennzeichnet zu werden, und können mit unseren aktuellen Annotierungsregeln nicht getaggt werden
• Einige Tweets sind thematisch nicht relevant
• Der Tweet bezieht sich auf ein sehr kurzlebiges Thema, das nicht in unserem Graph enthalten ist
• Wir decken die Sprache/den Markt nicht ab
• Wir decken die Sprache/den Markt ab, es fehlt uns jedoch ein Thema oder ein spezifischer Begriff/Account/Hashtag, der mit einem Thema zusammenhängt, das wir bereits tracken

Wenn es mehrere Domains gibt (zum Beispiel [3,30]), bleibt die Entity-ID gleich?

Eine Entität kann mehreren Domains angehören. Die Domain-IDs können variieren, aber die Entitäts-id bleibt gleich. Donald Glover ist eine Person (Domain 10), ein Schauspieler (Domain 56) und ein Musiker (Domain 54), aber seine Entitäts-id ist weiterhin 875072662527029248.

Haben Sie einen festgelegten Zeitrahmen für die Nachverfolgung von Serien/Filmen? Anders ausgedrückt: Wie lange wird eine Serie/ein Film vor bzw. nach der Veröffentlichung nachverfolgt?

Das Tracking beginnt einen Monat vor der Veröffentlichung. Bei beliebten Blockbustern, etwa einem Marvel-Film, können wir mit dem Tracking beginnen, sobald erste Hinweise auf einen bevorstehenden Start erscheinen.

Gibt es für Filme einen Gebietsschema-Filter, der dem für TV‑Sendungen entspricht?

Nein, tun sie das nicht.