基于微博的突發(fā)事件檢測(cè)研究.pdf

1、微博作為新興的社交網(wǎng)絡(luò)媒體，以其傳播快、時(shí)效性強(qiáng)、內(nèi)容全面的優(yōu)勢(shì)成為突發(fā)事件信息快速聚集和傳播的重要渠道。但指數(shù)增長(zhǎng)的微博數(shù)據(jù)使得用戶難以及時(shí)了解整個(gè)事件的細(xì)節(jié)信息，且微博自由化程度高，突發(fā)事件在微博上容易被惡意傳播，給國(guó)家安全和社會(huì)穩(wěn)定帶來了極大的隱患。因此從海量微博中準(zhǔn)確而高效地檢測(cè)出突發(fā)事件具有重要的意義，不僅可以幫助用戶實(shí)時(shí)獲取重要的突發(fā)事件資訊，消除突發(fā)事件帶來的恐慌心理，還能夠協(xié)助應(yīng)急管理機(jī)構(gòu)實(shí)時(shí)把握突發(fā)事件的發(fā)展態(tài)勢(shì)，合理

2、地控制和引導(dǎo)輿論發(fā)展方向，為輿情應(yīng)急管理提供決策信息支持。
　　微博因噪聲大、文本短小稀疏、不規(guī)范等特點(diǎn)給突發(fā)事件檢測(cè)帶來了挑戰(zhàn)，本文通過分析突發(fā)事件發(fā)生時(shí)期的爆發(fā)特性，結(jié)合微博數(shù)據(jù)的特點(diǎn)，對(duì)以突發(fā)特征為中心的突發(fā)事件檢測(cè)方法及其輿情熱度分析進(jìn)行了深入研究。突發(fā)事件檢測(cè)上，首先在綜合考慮詞語的主題表達(dá)能力和突發(fā)性的基礎(chǔ)上，引入?yún)⒄諘r(shí)間窗機(jī)制，設(shè)計(jì)了詞頻、文檔頻率、話題標(biāo)簽Hashtag、詞頻增長(zhǎng)率四類特征選擇與計(jì)算方法，提出了基于

3、動(dòng)態(tài)閾值的突發(fā)主題詞抽取算法，實(shí)驗(yàn)結(jié)果表明該方法可以準(zhǔn)確的提取有效表征事件的突發(fā)主題詞。然后提出了基于突發(fā)主題詞和凝聚式層次聚類的突發(fā)事件檢測(cè)算法。該算法以突發(fā)主題詞作為突發(fā)特征，將微博文本表示為特征向量，引入微博事件三要素過濾策略保留高質(zhì)量的微博，以Jaccard計(jì)算重合度作為相似度衡量標(biāo)準(zhǔn)構(gòu)造微博文本相似度矩陣，使用凝聚式層次聚類算法實(shí)現(xiàn)了突發(fā)事件的檢測(cè)。實(shí)驗(yàn)結(jié)果表明，突發(fā)事件檢測(cè)方法達(dá)到了80％的準(zhǔn)確率，驗(yàn)證了該方法的可行性和有效