基于圖的中文微博災難事件檢測.pdf

1、近幾年來，災難事件越來越多地引起公眾關注，由于信息社會消息的傳播速度大大提升，災難事件的輿論影響越來越突出。因此，對災難事件進行實時監(jiān)控和社會性分析有了越來越廣泛的應用需求。在網(wǎng)絡環(huán)境下，真實世界和虛擬世界具有相互映射的便利性，用戶可以持續(xù)并大量地將匯集到網(wǎng)絡社交平臺。由于傳統(tǒng)基于詞匯向量的文本分析方式在短文本上的表現(xiàn)不足，本文提出以災難關鍵詞為中心，上下文敏感的基于圖的短文本災難事件建模方法(HCCG)。HCCG模型通過定義實體關系生

2、成規(guī)則，構建了適用于短文本的上下文實體關系圖模型，有效地刻畫了災難事件的屬性。模型充分挖掘消息級別(message-level)和流級別（stream-level）的上下文，能有效地過濾短文本常見的噪音，匯聚分散的社交媒體信息，直觀地用實體關系模型展示中間和最終的事件探測結果。
　　在圖模型的基礎上，本文設計并實現(xiàn)了用最大公共子圖和最小公共超圖的信息量之比的計算方案來刻畫兩個事件之間的相似度。在相似度計算的基礎上，本文設計并實現(xiàn)了

3、微博事件的實時聚類，在聚類過程中逐漸突出事件的新聞要素。
　　在系統(tǒng)架構的設計上，本文采用聚類和分類二階段框架，實現(xiàn)了一階段事件聚類，二階段災難事件分類的事件識別系統(tǒng)。考慮社交網(wǎng)絡的實時性本質，將上述流程部署在Storm流式計算平臺上。
　　為增加社交媒體信息使用效率，本文進一步將短文本情感分析整合在災難管理系統(tǒng)中，判別識別出的災難事件類是客觀描述類還是公眾主觀情感類，并為主觀情感類量化評分。本方法在新浪微博平臺上有良好的測