基于热点事件提取与分级的系统管理研究
发布时间：2021-06-26 22:42
随着移动互联网技术、智能终端和社交软件等技术的进步,互联网大数据已成为最具代表性的大数据。经济、文化、军事和社会活动都强烈依赖于互联网。妥善应用网络大数据在维护社会安全和稳定中能够发挥积极的作用。因此,研究网络大数据环境下热点事件提取与公共安全事件分级对维护社会安定、预防舆情扩散等有重要的意义。首先通过对社交网络中的文本数据进行分析,计算热度分数、合并同义词、计算增长趋势,从网络大数据文本中提取出热门词语。再进一步利用词组的互信息和词频筛选事件表示能力更强的词组,从网络大数据中识别并提取热点事件。然后结合公共安全事件在网络中的传播特点,定义了三个评价公共安全事件的指标:热度、情感和敏感性,以此从已经提取的热点事件中将公共安全事件标注出来。在此基础上,将公共安全相关的数据和非公共安全数据使用包含固态盘和机械硬盘的混合存储系统分别存放,解决数据的高效查询问题。实验表明,通过将公共安全事件评级方法和其它舆情发现算法进行比较,采用评级方法能将公共安全事件识别的精确率提高100.5%、召回率降低6.9%,精确率和召回率的综合评价系数F1值提高45%。在后续的查询访问时,采用混合存储系统比全部使用...
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
RNN神经网络结构图
图 2-3 LSTM 神经网络结构自节点的遗忘消息由遗忘门 Sigmoid 确定，其中目前的传入数据 果 1得到输入信息。则在 1时刻 Sigmoid 的输出为： = σ( ( 1 ) ) 息以单位状态存储，并且有两方面内容组成：（a）输入门的输出 层的输出来替换数据。（b）来自 tanh 层的新创建的矢量 将以单位状态 1* 用于遗忘信息和候选信息 的总和，来替换已有的单元 = σ( ( 1 ) ) = tanh( ( 1 ) ) = 1 出内容由输出门决定。首先通过 Sigmoid 层确定输出单元状态的数h 计算单元的状态，使用这两个结果的乘积作为输出值。 = σ( ( ) ) = tanh( )
图 3-9 LSTM 情感分析结果3.3.3 事件分级社交网络中大数据中存在很多与公共安全事件无关的数据。公共安全事件的信息，具有很强的时效性，在事件发生期间，某些事件可能带有很强的情感信息，特别是消极的情绪，这样的事件更有可能会演化成公共安全事件。在社交网络之中，存在着很多积极向上的事件，虽然对于这些事件来说，其热度非常之高，是当时的一个热点事件，但不会演化成为威胁国家社会安全的公共安全事件。对于不同事件的分级，主要考虑到一下三个方面：情感分数（Emotion Score，ES）、热度分数（Popularity Score，PS）和敏感性（Sensitive Score, SS）。事件等级计算公式为： = IR PR ER (3-11)其中 、 、 分别为每项因素的权重。当事件等级 Level 大于阈值 T 时，则认为该事件为公共安全事件。其评价指标如图 3-10 所示：热度分数是根据事件相关的信息数量和对应事件的评论数来进行计算。以微博为
【参考文献】：
期刊论文
[1]基于主题词的微博热点话题发现[J]. 叶成绪,杨萍,刘少鹏. 计算机应用与软件. 2016(02)
[2]大数据系统和分析技术综述[J]. 程学旗,靳小龙,王元卓,郭嘉丰,张铁赢,李国杰. 软件学报. 2014(09)
[3]利用概率主题模型的微博热点话题发现方法[J]. 米文丽,孙曰昕. 计算机系统应用. 2014(08)
[4]基于发生周期的突发事件网络舆情风险评价指标体系[J]. 张玉亮. 情报科学. 2012(07)
[5]基于隐主题分析和文本聚类的微博客中新闻话题的发现[J]. 路荣,项亮,刘明荣,杨青. 模式识别与人工智能. 2012(03)
[6]基于三角模糊数的网络舆情预警指标体系构建[J]. 刘毅. 统计与决策. 2012(02)
[7]基于MB-LDA模型的微博主题挖掘[J]. 张晨逸,孙建伶,丁轶群. 计算机研究与发展. 2011(10)
[8]LDA模型在话题追踪中的应用[J]. 张晓艳,王挺,梁晓波. 计算机科学. 2011(S1)
[9]非常规突发事件网络舆情热度评价体系研究[J]. 张一文,齐佳音,方滨兴,李欲晓. 情报科学. 2011(09)
[10]突发事件网络舆情安全评估指标体系构建[J]. 兰月新. 情报杂志. 2011(07)
硕士论文
[1]基于Word2Vec主题提取的微博推荐[D]. 朱雪梅.北京理工大学 2014
本文编号：3252238
【文章来源】：华中科技大学湖北省 211工程院校 985工程院校 教育部直属院校
【文章页数】：54 页
【学位级别】：硕士
【部分图文】：
RNN神经网络结构图
图 2-3 LSTM 神经网络结构自节点的遗忘消息由遗忘门 Sigmoid 确定，其中目前的传入数据 果 1得到输入信息。则在 1时刻 Sigmoid 的输出为： = σ( ( 1 ) ) 息以单位状态存储，并且有两方面内容组成：（a）输入门的输出 层的输出来替换数据。（b）来自 tanh 层的新创建的矢量 将以单位状态 1* 用于遗忘信息和候选信息 的总和，来替换已有的单元 = σ( ( 1 ) ) = tanh( ( 1 ) ) = 1 出内容由输出门决定。首先通过 Sigmoid 层确定输出单元状态的数h 计算单元的状态，使用这两个结果的乘积作为输出值。 = σ( ( ) ) = tanh( )
图 3-9 LSTM 情感分析结果3.3.3 事件分级社交网络中大数据中存在很多与公共安全事件无关的数据。公共安全事件的信息，具有很强的时效性，在事件发生期间，某些事件可能带有很强的情感信息，特别是消极的情绪，这样的事件更有可能会演化成公共安全事件。在社交网络之中，存在着很多积极向上的事件，虽然对于这些事件来说，其热度非常之高，是当时的一个热点事件，但不会演化成为威胁国家社会安全的公共安全事件。对于不同事件的分级，主要考虑到一下三个方面：情感分数（Emotion Score，ES）、热度分数（Popularity Score，PS）和敏感性（Sensitive Score, SS）。事件等级计算公式为： = IR PR ER (3-11)其中 、 、 分别为每项因素的权重。当事件等级 Level 大于阈值 T 时，则认为该事件为公共安全事件。其评价指标如图 3-10 所示：热度分数是根据事件相关的信息数量和对应事件的评论数来进行计算。以微博为
【参考文献】：
期刊论文
[1]基于主题词的微博热点话题发现[J]. 叶成绪,杨萍,刘少鹏. 计算机应用与软件. 2016(02)
[2]大数据系统和分析技术综述[J]. 程学旗,靳小龙,王元卓,郭嘉丰,张铁赢,李国杰. 软件学报. 2014(09)
[3]利用概率主题模型的微博热点话题发现方法[J]. 米文丽,孙曰昕. 计算机系统应用. 2014(08)
[4]基于发生周期的突发事件网络舆情风险评价指标体系[J]. 张玉亮. 情报科学. 2012(07)
[5]基于隐主题分析和文本聚类的微博客中新闻话题的发现[J]. 路荣,项亮,刘明荣,杨青. 模式识别与人工智能. 2012(03)
[6]基于三角模糊数的网络舆情预警指标体系构建[J]. 刘毅. 统计与决策. 2012(02)
[7]基于MB-LDA模型的微博主题挖掘[J]. 张晨逸,孙建伶,丁轶群. 计算机研究与发展. 2011(10)
[8]LDA模型在话题追踪中的应用[J]. 张晓艳,王挺,梁晓波. 计算机科学. 2011(S1)
[9]非常规突发事件网络舆情热度评价体系研究[J]. 张一文,齐佳音,方滨兴,李欲晓. 情报科学. 2011(09)
[10]突发事件网络舆情安全评估指标体系构建[J]. 兰月新. 情报杂志. 2011(07)
硕士论文
[1]基于Word2Vec主题提取的微博推荐[D]. 朱雪梅.北京理工大学 2014
本文编号：3252238
本文链接：https://www.wllwen.com/guanlilunwen/glzh/3252238.html
