社交网络事件检测方法研究与实现

发布时间：2020-10-31 21:31

　　 现实世界的热点事件将引起社交网络中用户的大规模讨论,因此从社交网络数据入手可以挖掘出现实世界中人们所关注的热点事件。社交网络中的用户间交互越为频繁,说明人们越为关注某一事件,因此可以通过构建社交网络用户交互网络,检测社交网络中用户交互密集的社区,并进一步抽取出能够代表讨论社区的关键词来识别出热点事件。然而随着社交网络规模的不断扩大,传统的社区检测算法在时间和空间上的消耗将不断扩大,十分浪费计算资源,因此本文基于传统的K-Clique社区检测算法提出了一种增量社区检测算法,有效降低了增量型网络的社区检测时间成本。社交网络不仅会随着时间不断扩张,网络中的元素也会随着时间的推移而逐渐失效。因此本文针对动态更新的社交网络,在增量社区检测算法的基础上,设计和实现了动态社区检测算法。本文提出的增量社区检测算法和动态社交网络的社区检测算法均采用动态更新的方式,当社交网络规模扩大,采用增量方式对已有的社区进行更新。当网络中有元素随着时间的推移而失效时,能及时有效的对社区进行更新,消除社区中的过期元素。最后设计实现了一种基于队列的TF-IDF(词频-反文档频率)社区关键词提取方式,提取事件关键词。通过仿真测试比较了本文提出的增量社区检测算法、动态社区检测方法与传统K-clique社区检测方法,测试结果说明这些算法能够在较高的准确率的前提下大大提高社区检测的运行效率,针对社交网络数据设计的基于队列的TF-IDF关键词提取方法能有序有效地提取社交网络中引发讨论的关键词。
【学位单位】：南京邮电大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TP393.09
【部分图文】：

事件检测系统的难点主要分为两二是从社区中提取事件关键词。行为所构成的网络结构是较为复杂的。这存在重叠，即社区之间有相交的部分。针lique 社区检测算法进行社区检测。该算法透算法[68]，这种算法第一步需要在网络中与参数 K 有关，如 2-Clique 是两个结点组图。而 K-Clique 社区则是由若干个 K-Cliq图之间有（k-1）个结点重叠。如图 3.2 中的完全子图，其中，前两个完全子图有 2构成一个包含四个结点的 3-Clique 社区（

图 3.5 失效结点和失效边的删除清理 CSS 的过程如算法 5：clearCSS，而遇到过期边导致完全子图结构分裂的处理过如算法 6：resolveClique .。算法 5: clearCSSInput: CSSOutput: 清理过期元素后的CSSfor c in CSS do删除 c 中权重降为 0 的结点以及其所有连边if sizeOf (c ) < Kthen删除 c 中权重降为 0 的边将 c 剩余部分合并入 DSSCSS CSS c

28图 3.6 Clique 存储映射表图 3.6 中有两个哈希表，HashTable2 中，每个 clique 都是一个真实的完全子图结构，且每一个 clique 都有唯一对应的 key 值。HashTable1 表示结点到 clique 键值对的映射，其中的Key_Clique 表示的就是 HashTable2 中的 key。当结点属于某一个 clique 中，那么就将 node 作为 key，该 clique 对应的编号作为值存储在左侧的哈希表中。我们还定义了一个资源池 POOL，即 clique 的 key 值的资源分配池
【参考文献】

相关期刊论文 前10条

1 费绍栋;杨玉珍;刘培玉;王健;;融合情感过滤的突发事件检测方法[J];计算机应用;2015年05期

2 张晓霞;王名扬;贾冲冲;董煦;;基于突发词H指数的微博突发事件检测算法研究[J];情报杂志;2015年02期

3 赵洁;马铮;周晓峰;金培权;;基于突发词项频域分析的微博突发事件检测[J];情报理论与实践;2015年01期

4 冯戈利;;跨文档事件检测算法[J];机械设计与制造工程;2015年01期

5 李艳;郝身刚;赵卫东;姜桂洪;;时间敏感的社交网络热点话题检测[J];计算机工程与设计;2014年12期

6 唐晓波;童海燕;严承希;;基于话题情感强度的微博舆情分析[J];图书馆学研究;2014年17期

7 吴新宇;郭会文;李楠楠;王欢;陈彦伦;;基于视频的人群异常事件检测综述[J];电子测量与仪器学报;2014年06期

8 谢思发;林琛;苏旋;江弋;;Hadoop平台的微博热点事件挖掘[J];小型微型计算机系统;2014年04期

9 郭跇秀;吕学强;李卓;;基于突发词聚类的微博突发事件检测方法[J];计算机应用;2014年02期

10 卞艺杰;陈超;马玲玲;陈远磊;;一种改进的LSH/MinHash协同过滤算法[J];计算机与现代化;2013年12期

相关博士学位论文 前1条

1 杨尔弘;突发事件信息提取研究[D];北京语言大学;2005年

相关硕士学位论文 前4条

1 张志瑛;基于主题模型和社区发现的微博热点事件检测研究[D];西南大学;2014年

2 赵江江;开放域事件抽取与微博事件检测跟踪[D];哈尔滨工业大学;2013年

3 杨文漪;面向微博的事件检测算法研究[D];北京邮电大学;2013年

4 李婷玉;基于语义的文本事件信息抽取方法的研究与实现[D];上海交通大学;2012年

本文编号：2864535