基于主題模型的Twitter事件檢測(cè).pdf

1、隨著Twitter等社交網(wǎng)絡(luò)應(yīng)用的迅速發(fā)展,越來(lái)越多的用戶在上面發(fā)布實(shí)時(shí)信息、更新個(gè)人狀態(tài)、表達(dá)自己的觀點(diǎn)想法等。Twitter上的事件檢測(cè)逐漸成為一個(gè)熱門的研究話題,吸引了越來(lái)越多學(xué)者的關(guān)注。雖然 Twitter上的數(shù)據(jù)相對(duì)于傳統(tǒng)的新聞媒體、網(wǎng)絡(luò)博客等數(shù)據(jù)有更新實(shí)時(shí)、覆蓋范圍廣、用戶參與度高等優(yōu)點(diǎn),但是Tweets數(shù)據(jù)的單條信息量少、噪音大、更新頻繁、總數(shù)據(jù)量大等特點(diǎn)也給事件檢測(cè)帶來(lái)了很大的挑戰(zhàn)。
　　本文提出一種基于主題模型的

2、 Twitter事件檢測(cè)算法 GEAM(General and Event-related Aspects Model),該模型通過(guò)模擬一條與現(xiàn)實(shí)事件相關(guān)的Tweet的生成過(guò)程將Tweet中描述事件相關(guān)方面的詞項(xiàng)(Event-related Aspects words)和與事件無(wú)關(guān)的常用詞項(xiàng)(General words)區(qū)分開來(lái)。同時(shí),我們也提出Collapsed Gibbs Sampling算法對(duì)GEAM模型進(jìn)行估計(jì)和推理,以得到描述

3、不同事件的詞項(xiàng)分布。此外,我們還提出了GEAM模型的在線式變形算法,實(shí)時(shí)檢測(cè)連續(xù)的Tweets數(shù)據(jù)流中產(chǎn)生的事件并且追蹤該事件的演化過(guò)程。
　　本文設(shè)計(jì)了一系列的實(shí)驗(yàn)用以評(píng)估 GEAM模型的有效性。大規(guī)模真實(shí)Tweets數(shù)據(jù)集(超過(guò)6百萬(wàn)條Tweets)上的實(shí)驗(yàn)表明,GEAM模型在查準(zhǔn)率(Precision),查全率(Recall)和重復(fù)事件檢測(cè)率(DERate)都優(yōu)于傳統(tǒng)LDA主題模型。GEAM模型采用(時(shí)間,地點(diǎn),實(shí)體,核心詞