在線社交網(wǎng)絡(luò)上的高效事件檢測模型.pdf

1、隨著計算機技術(shù)的不斷發(fā)展和互聯(lián)網(wǎng)Web2.0時代的來臨，社交網(wǎng)絡(luò)（如：Twitter、Facebook、微博）逐漸成為當今國內(nèi)外社會化媒體的重要平臺。微博服務(wù)平臺作為社交網(wǎng)絡(luò)的一種，也吸引了越來越多的人通過他們與其他用戶之間建立的社交網(wǎng)絡(luò)來分享他們的日常生活或當前熱點事件的看法與觀點。憑借其簡便快捷的信息生成機制和傳播機制，社交網(wǎng)絡(luò)上每天都會產(chǎn)生大量反映當前社會熱點事件的數(shù)據(jù)信息。社交網(wǎng)絡(luò)上大規(guī)模用戶以及海量實時數(shù)據(jù)，使得熱點事件檢測成

2、為研究熱點，讓社會輿情分析、謠言檢測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)范語言給重大焦點事件的檢測帶來新的挑戰(zhàn)。首先，海量的社交網(wǎng)絡(luò)文本信息流中含有很多與當前熱點事件毫無關(guān)系的噪音文本信息。其次，大規(guī)模的文本數(shù)據(jù)集合要求熱點事件檢測方法必須更加高效、準確。社交網(wǎng)絡(luò)平臺中除了文本信息還有大量其他相關(guān)信息，現(xiàn)有的事件檢測方法沒有有效利用此類相關(guān)信息，而且對噪音文本數(shù)據(jù)的處理還不夠高效。此外，基于主題模型的事件檢測

3、方法最后的檢測結(jié)果為主題，但不是所有主題都能形成真實事件，需要進一步的識別與判斷?，F(xiàn)有的事件檢測方法對事件的檢測結(jié)果都需要人工標識，不夠智能化。
　　針對以上問題，本文提出了一種新穎的基于PLSA（Probabilistic Latent Semantic Analysis）的熱點事件檢測模型EVE（Efficient eVent dEtection），通過分析微博平臺上的文本數(shù)據(jù)流來聚類內(nèi)容相似的微博帖子從而實現(xiàn)熱點事件的檢測。

4、本論文的主要研究內(nèi)容和創(chuàng)新點如下：
　　1．經(jīng)過對社交網(wǎng)絡(luò)平臺相關(guān)信息的研究，EVE事件檢測模型充分利用微博與用戶之間相互增強的關(guān)系，提出并采用了關(guān)系評價算法來篩選出高質(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，從而達到高效率、高精度地檢測熱點事件的目的。
　　2．為了進一步提高事件檢測的效率，通過對參數(shù)估計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對EM參數(shù)估計算法中的目標參