Post 注解

​

概览

所有会返回 Post 对象的 v2 端点，其返回的 Post 对象均已添加注释。Post 注释提供了一种理解该 Post 本身上下文信息的方式。尽管我们会对 100% 的 Post 进行审查，但受 Post 文本内容所限，只有部分会被标注注释。

1. 实体注释（NER）： 实体包括人物、地点、产品和组织，并在 entity 负载部分提供。它们会根据 Post 文本中明确提及的内容（命名实体识别）以编程方式分配。

2. 上下文注释： 基于对某个 Post 文本的分析生成，上下文注释包含域与实体的配对，有助于发现此前可能难以呈现的话题下的 Post。我们目前使用 80+ 个域对 Post 进行分类。可用的上下文注释实体的 CSV 文件可在我们的 GitHub 仓库中获取。

​

Post 标注类型

​

实体

实体标注是在 entities 字段中以编程方式定义的实体，并会在有效负载中呈现为注释。每个标注都带有置信度分数，并指示在 Post 文本中识别到实体的位置（使用 start 和 end 字段）。

实体标注类型包括：

• Person（人物） - 示例：Barack Obama、Daniel、George W. Bush
• Place（地点） - 示例：Detroit、Cali、San Francisco
• Product（产品） - 示例：Mountain Dew、Mozilla Firefox
• Organization（组织） - 示例：Chicago White Sox、IBM
• Other（其他） - 示例：Diabetes、Super Bowl 50

​

上下文

最后更新：2022 年 6 月

上下文注释通过负载中的 context_annotations 字段提供。它们基于对 Post 文本中关键词、话题标签、账号等的语义分析推断而来，并生成领域和/或实体标签。目前我们使用 80 多个领域，如下表所示。

域类别	域代码
3: 电视节目	46: 品牌类别
4: 电视剧集	47: 品牌
6: 体育赛事	48: 产品
10: 人物	54: 音乐家
11: 体育	55: 音乐流派
12: 运动队	56: 演员
13: 地点	58: 娱乐人物
22: 电视类型	60: 运动员
23: 电视台	65: 兴趣与爱好垂直领域
26: 体育联盟	66: 兴趣与爱好类别
27: 美式橄榄球比赛	67: 兴趣与爱好
28: NFL 橄榄球比赛	68: 冰球比赛
29: 事件	71: 电子游戏
31: 社区	78: 游戏发行商
35: 政治人物	79: 游戏硬件
38: 选举活动	83: 板球比赛
39: 篮球比赛	84: 书籍
40: 体育系列	85: 书籍类型
43: 足球比赛	86: 电影
44: 棒球比赛	87: 电影类型
45: 品牌垂直领域	88: 政治机构
46: 品牌类别	89: 音乐专辑
47: 品牌	90: 电台
48: 产品	91: 播客
54: 音乐家	92: 体育人物
55: 音乐流派	93: 教练
56: 演员	94: 记者
58: 娱乐人物	95: 电视频道 [实体服务]
60: 运动员	109: 经常性趋势
65: 兴趣与爱好垂直领域	110: 爆红账号
66: 兴趣与爱好类别	114: 音乐会
67: 兴趣与爱好	115: 游戏大会
68: 冰球比赛	116: 游戏锦标赛
71: 电子游戏	117: 电影节
78: 游戏发行商	118: 颁奖典礼
79: 游戏硬件	119: 节日
83: 板球比赛	120: 数字创作者
84: 书籍	122: 虚构角色
85: 书籍类型	130: 多媒体特许经营
86: 电影	131: 统一 Twitter 分类法
87: 电影类型	136: 游戏界人物
88: 政治机构	137: 电子竞技战队
89: 音乐专辑	138: 电子竞技选手
90: 电台	139: 粉丝社区
91: 播客	149: 电子竞技联盟
92: 体育人物	152: 美食
93: 教练	155: 天气
94: 记者	156: 城市
95: 电视频道 [实体服务]	157: 学院与大学
109: 经常性趋势	158: 兴趣点
110: 爆红账号	159: 州
114: 音乐会	160: 国家
115: 游戏大会	162: 运动与健身
116: 游戏锦标赛	163: 旅行
117: 电影节	164: 学科领域
118: 颁奖典礼	165: 科技
119: 节日	166: 股票
120: 数字创作者	167: 动物
122: 虚构角色	171: 本地新闻
130: 多媒体特许经营	172: 全球电视节目
131: 统一 Twitter 分类法	173: Google 产品分类法
136: 游戏界人物	174: 数字资产与加密货币
137: 电子竞技战队	175: 紧急事件
138: 电子竞技选手

注意： 域 131（Unified Twitter Taxonomy）指的是 X 的面向用户的兴趣分类体系。该分类体系为平台上的功能提供支持，例如 Topics。

​

请求注解

​

示例请求

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

​

示例回复

{
    "data": {
        "context_annotations": [
            {
                "domain": {
                    "id": "119",
                    "name": "节日",
                    "description": "如圣诞节或万圣节等节日"
                },
                "entity": {
                    "id": "1186637514896920576",
                    "name": "新年前夜"
                }
            },
            {
                "domain": {
                    "id": "119",
                    "name": "节日",
                    "description": "如圣诞节或万圣节等节日"
                },
                "entity": {
                    "id": "1206982436287963136",
                    "name": "新年快乐：如今全世界都已迈入 2020 年！",
                    "description": "当全球各地的人们迈入新年时，欣赏烟花等庆祝活动。\n照片来源：@GettyImages"
                }
            },
            {
                "domain": {
                    "id": "45",
                    "name": "品牌行业纵向",
                    "description": "用于描述品牌所属行业的顶级实体"
                }
            },
            {
                "domain": {
                    "id": "46",
                    "name": "品牌类别",
                    "description": "品牌行业纵向下细化品牌范围的类别"
                },
                "entity": {
                    "id": "781974596752842752",
                    "name": "服务"
                }
            },
            {
                "domain": {
                    "id": "47",
                    "name": "品牌",
                    "description": "品牌与公司"
                },
                "entity": {
                    "id": "10045225402",
                    "name": "Twitter"
                }
            }
        ],
        "entities": {
            "annotations": [
                {
                    "start": 144,
                    "end": 150,
                    "probability": 0.626,
                    "type": "产品",
                    "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": "我们相信，未来最出色的 API 将源自与“你”共同打造。敬所有在 Twitter 平台上构建的伙伴，愿新的一年再创佳绩。我们迫不及待想在新年继续与您合作。 https://t.co/yvxdK6aOo2"
    }
}

​

示例应用

查看 Glitch 上的 Post Entity Extractor，轻松发现 Post 中的上下文标注，并了解此功能的工作原理。

​

常见问题

​

上下文标注

以下问题专门针对 Tweet 标注中的上下文标注元素。更多详情请参阅概览页面。

Twitter 的上下文标注是如何运作的？

X 会对 Tweet 进行语义分类，这意味着我们会整理与特定主题相关的关键词、话题标签（hashtag）以及 @handle 列表。若某条 Tweet 包含我们指定的文本，它将被相应标注。这不同于机器学习的方法：后者会专门训练一个模型来对文本（在此为 Tweet）进行分类，并为输出/分类结果提供相应的概率分数。

我如何判断你们的 data 是否完整且可信？

Twitter 的注释由领域专家基于多年打磨的研究与质量保障（QA）流程精心整理。我们使用定制化工具，在尽可能保持高精度和高召回的前提下，将 data 跟踪扩展到可行的最大规模。此外，我们的 data 由内部团队定期审计，过去多个季度的精度评分约为 80%。

你们如何确保精确性？

我们的团队成员每天对我们的实体进行质量评测，确保高精度和高召回率。此外，我们的工作每季度还会由内部团队审计，该团队会覆盖我们所有领域，人工审查 10,000 条 Tweet，以计算精度得分。

你们如何确定要跟踪哪些内容？

对于某些领域（如体育和电视），我们依靠自动化摄取来构建我们的图谱。在新闻领域，我们跟踪由 Twitter Moments 团队发布的报道相关的 data。除此之外，团队还采用多种研究方法来识别需要跟踪、并能在平台上引发大量讨论的主题。

Tweet Annotations 提供哪些历史记录支持？

数据跟踪自某个实体发布之时开始；因此，我们不会为在该实体开始被跟踪之前发布的 Tweets 添加标注。举例来说，如果有一家新兴品牌或公司被加入到分类体系中，我们不会对添加该标注之前发布的与该品牌相关的 Tweets 进行追溯标注。

Twitter 是否支持为非英语的 Tweet 添加注释？如果支持，具体支持哪些语言？被注释的 Tweet 的覆盖范围是否会发生变化？

是的。语言覆盖范围会因领域和市场而异。英语和日语在多数大型实体中均有覆盖。以下为目前覆盖的语言及其主要市场：

1. 英语（美国、英国）
2. 日语（日本）
3. 葡萄牙语（巴西）
4. 西班牙语（阿根廷、墨西哥、西班牙）
5. 印地语（印度）
6. 阿拉伯语（沙特阿拉伯）
7. 土耳其语（土耳其）
8. 印度尼西亚语（印度尼西亚）
9. 俄语（俄罗斯）
10. 法语（法国）

即将推出（约 2021 年下半年）：

1. 德语（德国）
2. 泰米尔语（印度）

下面是按已标注 Tweet 覆盖率排序的前 15 个国家：

排名	国家代码	国家	已标注 Tweet 的占比
1	IN	印度	41%
2	VN	越南	36%
3	GB	英国	36%
4	EC	厄瓜多尔	35%
5	PE	秘鲁	33%
6	US	美国	32%
7	CA	加拿大	32%
8	AU	澳大利亚	31%
9	JP	日本	31%
10	PH	菲律宾	30%
11	SG	新加坡	30%
12	MY	马来西亚	30%
13	MX	墨西哥	30%
14	GB	英国	29%
15	NG	尼日利亚	29%

Twitter 依赖哪些底层“语义”来为 Tweet 添加注释？

Tweet 注解由以下语义组成，用于为一条 Tweet 添加注解：

• 账号——我们可以为来自特定 handle 的 Tweet，或提及该 handle 的 Tweet 添加注解
• Hashtag（话题标签）
• 关键词/短语

对于熟悉诸如 PowerTrack 等过滤流式 API 的客户而言，注解所使用的语义在原理上与用于过滤 Tweet 流的布尔规则类似。如果一条 Tweet 符合相应的语义条件，它将被相应地标记。

为什么有些 Tweet 关联了实体，而有些没有？

我们的目标是为尽可能多的 Tweet 添加注解；但仍有若干原因会导致部分 Tweet 未被注解：

• 某些 Tweet 语义信息不足，无法依据当前注解规则进行标注
• 某些 Tweet 不具备明确的主题相关性
• 该 Tweet 所涉话题高度短暂，且未纳入我们的图谱
• 我们尚未覆盖该语言/市场
• 虽已覆盖该语言/市场，但我们缺少与现有跟踪主题相关的某个话题或特定术语/账号/话题标签

当存在多个域（例如 [3,30]）时，实体 ID 是否保持不变？

一个实体可以归属多个域。域的 id 可能变化，但实体的 id 保持不变。Donald Glover 既是人（域 10）、也是演员（域 56）和音乐人（域 54），但他的实体 id 仍为 875072662527029248。

你们是否有既定的剧集/电影跟踪时间表？换言之，剧集/电影在上线前后会被跟踪多长时间？

跟踪会在上映前一个月开始。对于热门大片（例如一部漫威电影），一旦开始发布上映预告，我们就可以开始跟踪。

电影是否也有类似于电视剧的地域/语言筛选器？

不，不会。