基于多特征的微博突发事件检测算法

doi:10.11772/j.issn.1001-9081.2019040647

计算机应用 ›› 2019, Vol. 39 ›› Issue (11): 3263-3267.DOI: 10.11772/j.issn.1001-9081.2019040647

基于多特征的微博突发事件检测算法

王雪颖¹, 杨文忠¹, 张志豪¹, 李东昊¹, 秦旭²

1. 新疆大学信息科学与工程学院, 乌鲁木齐 830046;
2. 新疆大学软件学院, 乌鲁木齐 830046

收稿日期:2019-04-17 修回日期:2019-07-02 出版日期:2019-11-10 发布日期:2019-08-21
通讯作者: 杨文忠
作者简介:王雪颖(1995-),女,新疆克拉玛依人,硕士研究生,主要研究方向:自然语言处理;杨文忠(1971-),男,新疆乌鲁木齐人,副教授,博士,CCF会员,主要研究方向:舆情分析、信息安全、机器学习;张志豪(1995-),男,新疆玛纳斯人,硕士研究生,主要研究方向:突发事件预警、信息安全;李东昊(1994-),男,新疆乌鲁木齐人,硕士研究生,主要研究方向:自然语言处理;秦旭(1994-),女,辽宁阜新人,硕士研究生,主要研究方向:自然语言处理、舆情分析。
基金资助:
国家自然科学基金资助项目（U1603115，U1435215）；新疆维吾尔自治区高校科研计划项目创新团队（XJEDU2017T002）；新疆维吾尔自治区自然科学基金资助项目（2017D01C042）。

Microblog bursty events detection algorithm based on multi-feature

WANG Xueying¹, YANG Wenzhong¹, ZHANG Zhihao¹, LI Donghao¹, QIN Xu²

1. College of Information Science and Engineering, Xinjiang University, Urumqi Xinjiang 830046, China;
2. College of Software, Xinjiang University, Urumqi Xinjiang 830046, China

Received:2019-04-17 Revised:2019-07-02 Online:2019-11-10 Published:2019-08-21
Supported by:
This work is partially supported by the National Natural Science Foundation of China (U1603115, U1435215), the Xinjiang Uygur Autonomous Region University Research Project Innovation Team (XJEDU2017T002), the Natural Science Foundation of Xinjiang Autonomous Region (2017D01C042).

摘要/Abstract

摘要： 为了降低社交媒体中突发事件带来的危害，提出一种基于多特征的微博突发事件检测算法。该算法融合了文本情感过滤和用户影响力计算方法。首先，通过噪声过滤和情感过滤得到饱含负面情感的微博文本；然后，采用提出的用户影响力计算方法并结合突发词提取算法来提取突发词特征；最后，引入凝聚式层次聚类算法对突发词集进行聚类，从中提取突发事件。通过实验检测，准确率为66.84%，验证了该方法能有效地对突发事件进行检测。

关键词: 突发事件, 用户影响力, 情感过滤, 突发词, 聚类

Abstract: In order to reduce the harm caused by bursty events in social media, a multi-feature based microblog bursty events detection algorithm was proposed. The algorithm combines text emotion filtering and user influence calculation methods. Firstly, the microblog text with negative emotion was obtained through noise filtering and emotion filtering. Then the proposed user influence calculation method was combined with the burst word extraction algorithm to extract the characteristics of burst words. Finally, a cohesive hierarchical clustering algorithm was introduced to cluster bursty word sets, and extract bursty events from them. In the experimental test, the accuracy is 66.84%, which proves that the proposed method can effectively detect bursty events.

Key words: bursty topic, users' influence, sentiment filter, burst word, clustering

中图分类号:

TP391.1

王雪颖, 杨文忠, 张志豪, 李东昊, 秦旭. 基于多特征的微博突发事件检测算法[J]. 计算机应用, 2019, 39(11): 3263-3267.

WANG Xueying, YANG Wenzhong, ZHANG Zhihao, LI Donghao, QIN Xu. Microblog bursty events detection algorithm based on multi-feature[J]. Journal of Computer Applications, 2019, 39(11): 3263-3267.

参考文献

[1] 中国互联网信息中心. 第42次中国互联网络发展状况统计报告[R].北京:中国互联网信息中心,2018. (China Internet Network Information Center. The 42th statistical report of China Internet development[R]. Beijing:China Internet Network Information Center, 2018.)
[2] 李洋,陈毅恒,刘挺. 微博信息传播预测研究综述[J]. 软件学报, 2016, 27(2):247-263. (LI Y, CHEN Y H, LIU T. Survey on predicting information propagation in microblogs[J]. Journal of Software, 2016, 27(2):247-263.)
[3] CUI L, ZHANG X, ZHOU X, et al. Topical event detection on Twitter[C]//Proceedings of the 2016 Australasian Database Conference, LNCS 9877. Berlin:Springer, 2016:257-268.
[4] LEE S, LEE S, KIM K. Bursty event detection from text streams for disaster management[C]//Proceedings of the 21st International Conference Companion on World Wide Web. New York:ACM,2012:679-682.
[5] 张鲁民,贾焰,周斌,等. 一种基于情感符号的在线突发事件检测方法[J]. 计算机学报, 2013, 36(8):1659-1667. (ZHANG L M, JIA Y, ZHOU B, et al. Online bursty events detection based on emoticons[J]. Chinese Journal of Computers, 2013, 36(8):1659-1667.)
[6] 郭跇秀,吕学强,李卓基. 基于突发词聚类的微博突发事件检测方法[J].计算机应用,2014,34(2):486-490. (GUO Y X, LYU X, LI Z J. Bursty topics detection approach on Chinese microblog based on burst words clustering[J]. Journal of Computer Applications, 2014, 34(2):486-490.)
[7] 仲兆满,管燕,李存华,等. 微博网络地域Top-k突发事件检测[J]. 计算机学报, 2018, 41(7):1504-1516. (ZHONG Z M, GUAN Y, LI C H, et al. Localized Top-k bursty event detection in microblog[J]. Chinese Journal of Computers, 2018, 41(7):1504-1516.)
[8] DU Y, HE Y, TIAN Y, et al. Microblog bursty topic detection based on user relationship[C]//Proceedings of the 6th IEEE Joint International Information Technology and Artificial Intelligence Conference. Piscataway:IEEE, 2011:260-263.
[9] 姚子瑜,屠守中,黄民烈,等. 一种半监督的中文垃圾微博过滤方法[J].中文信息学报, 2016, 30(5):176-186. (YAO Z Y, TU S Z, HUANG M L, et al. A semi-supervised method for filtering Chinese spam tweets[J]. Journal of Chinese Information Processing, 2016, 30(5):176-186.)
[10] 王勇,肖诗斌,郭跇秀,等. 中文微博突发事件检测研究[J]. 现代图书情报技术, 2013(2):57-62. (WANG Y,XIAO S B,GUO Y X,et al. Research on Chinese microblog bursty topics detection[J]. New Technology of Library and Information Service, 2013(2):57-62.)
[11] 费绍栋,杨玉珍,刘培玉,等. 融合情感过滤的突发事件检测方法[J]. 计算机应用, 2015, 35(5):1320-1323. (FEI S D, YANG Y Z, LIU P Y, et al. Method of bursty events detection based on sentiment filter[J]. Journal of Computer Applications, 2015, 35(5):1320-1323.)
[12] 马力,宫玉龙. 文本情感分析研究综述[J]. 电子科技, 2014, 27(11):180-184. (MA L, GONG Y L. Research on text sentiment analysis[J]. Electronic Science and Technology, 2014, 27(11):180-184.)
[13] CHEN C C, CHEN Y T, SUN Y, et al. Life cycle modeling of news events using aging theory[C]//Proceedings of the 2003 European Conference on Machine Learning, LNCS 2837. Berlin:Springer, 2003:47-593.
[14] BUN K K, ISHIZUKA M. Topic extraction from news archive using TF*PDF algorithm[C]//Proceedings of the 2002 International Conference on Web Information Systems Engineering. Piscataway:IEEE, 2002:73-82.
[15] 陈国兰. 基于爆发词识别的微博突发事件监测方法研究[J]. 情报杂志, 2014(9):123-128. (CHEN G L. Micro-blog Emergencies detection approach based on burst words distinguishing[J]. Journal of Intelligence, 2014(9):123-128.)
[16] DIAO Q, JIANG J, ZHU F. Finding bursty topics from microblogs[C]//Proceedings of the 50th Annual Meeting of the Association for Computational Linguistics. Stroudsburg, PA:Association for Computational Linguistics, 2012:536-544.

基于多特征的微博突发事件检测算法

Microblog bursty events detection algorithm based on multi-feature

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	陈恒恒, 倪志伟, 朱旭辉, 金媛媛, 陈千. 基于聚类分析的差分隐私高维数据发布方法[J]. 计算机应用, 2021, 41(9): 2578-2585.
[2]	祝承, 赵晓琦, 赵丽萍, 焦玉宏, 朱亚飞, 陈建英, 周伟, 谭颖. 基于谱聚类半监督特征选择的功能磁共振成像数据分类[J]. 计算机应用, 2021, 41(8): 2288-2293.
[3]	曾祥银, 郑伯川, 刘丹. 基于深度卷积神经网络和聚类的左右轨道线检测[J]. 计算机应用, 2021, 41(8): 2324-2329.
[4]	武国亮, 徐继宁. 基于命名实体识别任务反馈增强的中文突发事件抽取方法[J]. 计算机应用, 2021, 41(7): 1891-1896.
[5]	戴嫣然, 戴国庆, 袁玉波. 基于肤色学习的多人脸前景抽取方法[J]. 计算机应用, 2021, 41(6): 1659-1666.
[6]	李国荣, 冶继民, 甄远婷. 基于新的鲁棒相似性度量的时间序列聚类[J]. 计算机应用, 2021, 41(5): 1343-1347.
[7]	王治和, 常筱卿, 杜辉. 基于万有引力的自适应近邻传播聚类算法[J]. 计算机应用, 2021, 41(5): 1337-1342.
[8]	马建红, 曹文斌, 刘元刚, 夏爽. 基于功效特征的专利聚类方法[J]. 计算机应用, 2021, 41(5): 1361-1366.
[9]	龙超奇, 蒋瑜, 谢雨. 基于峰值网格改进的小波聚类算法[J]. 计算机应用, 2021, 41(4): 1122-1127.
[10]	李杏峰, 黄玉清, 任珍文, 李毅红. 基于自适应邻域的鲁棒多视图聚类算法[J]. 计算机应用, 2021, 41(4): 1093-1099.
[11]	郭佳, 韩李涛, 孙宪龙, 周丽娟. 自动确定聚类中心的比较密度峰值聚类算法[J]. 计算机应用, 2021, 41(3): 738-744.
[12]	吕佳, 鲜焱. 结合改进密度峰值聚类和共享子空间的协同训练算法[J]. 计算机应用, 2021, 41(3): 686-693.
[13]	邹志文, 秦程. 基于k-means++的动态构建空间主题R树方法[J]. 计算机应用, 2021, 41(3): 733-737.
[14]	张恩, 李会敏, 常键. 可验证的隐私保护k-means聚类方案[J]. 计算机应用, 2021, 41(2): 413-421.
[15]	袁芊芊, 邓洪敏, 王晓航. 基于超像素快速模糊C均值聚类与支持向量机的柑橘病虫害区域分割[J]. 计算机应用, 2021, 41(2): 563-570.