在線社交網(wǎng)絡(luò)上的高效事件檢測(cè)模型.pdf

1、隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展和互聯(lián)網(wǎng)Web2.0時(shí)代的來(lái)臨，社交網(wǎng)絡(luò)（如：Twitter、Facebook、微博）逐漸成為當(dāng)今國(guó)內(nèi)外社會(huì)化媒體的重要平臺(tái)。微博服務(wù)平臺(tái)作為社交網(wǎng)絡(luò)的一種，也吸引了越來(lái)越多的人通過(guò)他們與其他用戶之間建立的社交網(wǎng)絡(luò)來(lái)分享他們的日常生活或當(dāng)前熱點(diǎn)事件的看法與觀點(diǎn)。憑借其簡(jiǎn)便快捷的信息生成機(jī)制和傳播機(jī)制，社交網(wǎng)絡(luò)上每天都會(huì)產(chǎn)生大量反映當(dāng)前社會(huì)熱點(diǎn)事件的數(shù)據(jù)信息。社交網(wǎng)絡(luò)上大規(guī)模用戶以及海量實(shí)時(shí)數(shù)據(jù)，使得熱點(diǎn)事件檢測(cè)成

2、為研究熱點(diǎn)，讓社會(huì)輿情分析、謠言檢測(cè)或信息推薦都變得可能。
　　社交網(wǎng)絡(luò)信息的短文本特征和不規(guī)范語(yǔ)言給重大焦點(diǎn)事件的檢測(cè)帶來(lái)新的挑戰(zhàn)。首先，海量的社交網(wǎng)絡(luò)文本信息流中含有很多與當(dāng)前熱點(diǎn)事件毫無(wú)關(guān)系的噪音文本信息。其次，大規(guī)模的文本數(shù)據(jù)集合要求熱點(diǎn)事件檢測(cè)方法必須更加高效、準(zhǔn)確。社交網(wǎng)絡(luò)平臺(tái)中除了文本信息還有大量其他相關(guān)信息，現(xiàn)有的事件檢測(cè)方法沒(méi)有有效利用此類相關(guān)信息，而且對(duì)噪音文本數(shù)據(jù)的處理還不夠高效。此外，基于主題模型的事件檢測(cè)

3、方法最后的檢測(cè)結(jié)果為主題，但不是所有主題都能形成真實(shí)事件，需要進(jìn)一步的識(shí)別與判斷?，F(xiàn)有的事件檢測(cè)方法對(duì)事件的檢測(cè)結(jié)果都需要人工標(biāo)識(shí)，不夠智能化。
　　針對(duì)以上問(wèn)題，本文提出了一種新穎的基于PLSA（Probabilistic Latent Semantic Analysis）的熱點(diǎn)事件檢測(cè)模型EVE（Efficient eVent dEtection），通過(guò)分析微博平臺(tái)上的文本數(shù)據(jù)流來(lái)聚類內(nèi)容相似的微博帖子從而實(shí)現(xiàn)熱點(diǎn)事件的檢測(cè)。

4、本論文的主要研究?jī)?nèi)容和創(chuàng)新點(diǎn)如下：
　　1．經(jīng)過(guò)對(duì)社交網(wǎng)絡(luò)平臺(tái)相關(guān)信息的研究，EVE事件檢測(cè)模型充分利用微博與用戶之間相互增強(qiáng)的關(guān)系，提出并采用了關(guān)系評(píng)價(jià)算法來(lái)篩選出高質(zhì)量的微博和高影響力的用戶，減小噪音文本的影響和降低數(shù)據(jù)集合的規(guī)模，從而達(dá)到高效率、高精度地檢測(cè)熱點(diǎn)事件的目的。
　　2．為了進(jìn)一步提高事件檢測(cè)的效率，通過(guò)對(duì)參數(shù)估計(jì)算法的深刻理解和研究，提出并使用一種基于微博權(quán)威值賦值初始化方法來(lái)對(duì)EM參數(shù)估計(jì)算法中的目標(biāo)參