推特多維事件信息可視化方法研究及系統(tǒng)實現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展和移動通信技術(shù)應用的空前繁榮，社交媒體成為社會生活中人們獲取和分享信息的重要工具，用戶越來越喜歡在社交網(wǎng)絡上發(fā)表言論和觀點。社交媒體也得益于用戶量的增長，從而在很多重要的傳統(tǒng)領(lǐng)域發(fā)揮著極為重要的作用。推特在政治活動、自然災害等重大事件發(fā)揮的重要傳播作用使得針對社交網(wǎng)絡的事件檢測和事件可視化工作受到了極大的重視。
　　推特事件可視化是指將事件在圖形界面中進行展示，并提供相應的事件信息的過程。在事件信息中，地理

2、位置對用戶評估事件影響、感知事件發(fā)展具有十分重要的作用，因此對事件發(fā)生的地理位置進行識別是對事件進行可視化的前提條件。多連詞是指表示完整的人名、地名等實體的名詞詞組。統(tǒng)計發(fā)現(xiàn)有超過一半的地名是多連詞，為了對事件進行準確定位，需要對多連詞進行識別。本文以推特短文本為研究對象，重點研究了推特短文本的多連詞識別技術(shù)、事件定位技術(shù)和事件信息可視化方法。本文主要在以下幾方面進行了創(chuàng)新設(shè)計與實現(xiàn)工作：
　?。?）提出基于無監(jiān)督學習的多連詞識別

3、方法。為了實現(xiàn)多連詞識別，又提出一種基于模式匹配的推文預處理方法，通過匹配特征對推文進行規(guī)范化和分詞。以預處理為基礎(chǔ)，使用一種無監(jiān)督的多連詞識別方法，在無標注的推文集合中提取多連詞信息，結(jié)合正規(guī)文本的多連詞特征，訓練多連詞列表，進行多連詞識別。在實際推文訓練和測試中，相比于傳統(tǒng)的多連詞識別方法，本方法隨著處理推文數(shù)量增加，可以顯著提高多連詞識別的準確率。
　　（2）提出基于最大熵模型的推特事件定位方法。本方法對最大熵模型的特征模板

4、進行改進，結(jié)合多種語義信息進行特征構(gòu)建，使用詞性標注和實體標注后的訓練集對最大熵模型進行二分類訓練，從而識別文本中的地理名詞。在此基礎(chǔ)上提出了基于位置信息的加權(quán)定位算法，根據(jù)文本地理位置、用戶位置和發(fā)推位置對推特事件進行定位。本方法提高了推文地名識別準確率和召回率，同時，事件定位算法能夠高效準確的對事件進行定位。
　?。?）設(shè)計實現(xiàn)了一套地理信息融合的事件可視化系統(tǒng)。本系統(tǒng)基于推特事件的地理位置進行信息可視化系統(tǒng)的構(gòu)建，實現(xiàn)了對事