融合社会影响力和时间分布的微博关键事件抽取方法

doi:10.11772/j.issn.1001-9081.2021071330

《计算机应用》唯一官方网站 ›› 2022, Vol. 42 ›› Issue (9): 2667-2673.DOI: 10.11772/j.issn.1001-9081.2021071330

• 人工智能 • 上一篇

融合社会影响力和时间分布的微博关键事件抽取方法

赵旭剑(), 王崇伟, 王俊力

西南科技大学计算机科学与技术学院，四川绵阳 621010

收稿日期:2021-07-26 修回日期:2021-09-14 接受日期:2021-09-15 发布日期:2021-09-18 出版日期:2022-09-10
通讯作者: 赵旭剑
作者简介:王崇伟（1995—），男，四川泸州人，硕士研究生，主要研究方向：信息抽取、机器学习；
王俊力（1996—），男，四川南充人，硕士研究生，主要研究方向：信息抽取、机器学习。
基金资助:
教育部人文社科基金资助项目(17YJCZH260);四川省科学技术厅重点项目(2020YFS0057);赛尔网络下一代互联网技术创新项目(NGII20180403)

Key event extraction method from microblog by integrating social influence and temporal distribution

Xujian ZHAO(), Chongwei WANG, Junli WANG

School of Computer Science and Technology，Southwest University of Science and Technology，Mianyang Sichuan 621010，China

Received:2021-07-26 Revised:2021-09-14 Accepted:2021-09-15 Online:2021-09-18 Published:2022-09-10
Contact: Xujian ZHAO
About author:WANG Chongwei， born in 1995， M. S. candidate. His research interests include information extraction， machine learning.
WANG Junli， born in 1996， M. S. candidate. His research interests include information extraction， machine learning.
Supported by:
Humanities and Social Sciences Foundation of Ministry of Education(17YJCZH260);Key Program of Science and Technology Department of Sichuan Province(2020YFS0057);CERNET Innovation Project(NGII20180403)

摘要/Abstract

摘要：

针对现有微博事件抽取方法由于基于事件的内容特征，而忽略事件本身的社会属性与时间特征之间的关系，进而无法识别微博热点传播过程中关键事件的问题，提出了一种融合社会影响力和时间分布的微博关键事件抽取方法。首先通过建模社会影响力来刻画微博事件的重要性，然后融合微博事件演化过程中的时间特性以捕获事件在不同时间分布下的差异，最后抽取出不同时间分布下的微博关键事件。在真实数据集上的实验结果表明，所提方法能有效抽取微博热点中的关键事件，较随机选择、词频-逆文本频率（TF-IDF）、最小权重支配集以及度与聚集系数这四种方法在事件集的完整性指标ROUGE-1上在数据集1上分别提升了21%、18%、26%以及30%，在数据集2上分别提升了14%、2%、21%以及23%，抽取效果优于传统方法。

关键词: 社会影响力, 时间分布, 微博, 事件抽取, 事件演化

Abstract:

Aiming at the problem that the existing microblog event extraction methods are based on the content characteristics of events and ignore the relationship between the social attributes and time characteristics of events， so that they cannot identify the key events in the propagation process of microblog hot spots， a key event extraction method from microblog by integrating social influence and temporal distribution was proposed. Firstly， the social influence was modeled to present importance of microblog events. Secondly， the temporal characteristics of microblog events during evolution were considered to capture the differences of events under different temporal distributions. Finally， the key microblog events were extracted under different temporal distributions. Experimental results on real datasets show that the proposed method can effectively extract key events in microblog hot spots. Compared with four methods of random selection， Term Frequency-Inverse Document Frequency （TF-IDF）， minimum-weight connected dominating set and degree and clustering coefficient information， the proposed method has the event set integrity index improved by 21%， 18%， 26% and 30% on dataset 1 respectively， and 14%， 2%， 21% and 23% on dataset 2 respectively. The extraction effect of the proposed method is better than those of the traditional methods.

Key words: social influence, temporal distribution, microblog, event extraction, event evolution

中图分类号:

TP391.1

赵旭剑, 王崇伟, 王俊力. 融合社会影响力和时间分布的微博关键事件抽取方法[J]. 计算机应用, 2022, 42(9): 2667-2673.

Xujian ZHAO, Chongwei WANG, Junli WANG. Key event extraction method from microblog by integrating social influence and temporal distribution[J]. Journal of Computer Applications, 2022, 42(9): 2667-2673.

图/表 9

图1 融合社会影响力和时间分布的微博关键事件提取框架

Fig. 1 Framework of key event extraction integrating social influence and temporal distribution

图2 数据采集流程

Fig. 2 Flowchart of data acquisition

图3 文本预处理流程

Fig. 3 Flowchart of text preprocessing

表1 时间表达式分类

Tab. 1 Classification of time expressions

类别	细粒度分类	示例
显式时间表达	完整显式时间表达	2020年7月3日
显式时间表达	模糊显式时间表达	7月3日
隐式时间表达	—	昨天、上周五

表2 隐式时间表达映射

Tab. 2 Implicit time expression mapping

隐式时间表达

时间映射

隐式时间

表达

d a y + 1

m o n t h - 1

）

昨日/昨天

基准时间（

d a y - 1

）

去年今日

基准时间（

y e a r - 1

）

表2 隐式时间表达映射

Tab. 2 Implicit time expression mapping

隐式时间表达

时间映射

隐式时间

表达

时间映射

今日/今天

微博发布时间

次日/第二天

基准时间（

d a y + 1

）

当日/当天

基准时间

一月前

基准时间（

m o n t h - 1

）

昨日/昨天

基准时间（

d a y - 1

）

去年今日

基准时间（

y e a r - 1

）

表3 数据集详情

Tab. 3 Details of datasets

数据集	标题	起止日期	数量
Dataset₁	疫苗事件	2018⁃07⁃01 — 2019⁃09⁃01	73 614
Dataset₂	中兴事件	2018⁃04⁃16 — 2018⁃07⁃14	45 113

图4 不同时间节点的帖子数量

Fig. 4 Number of posts at different time nodes

表4 事件提取性能比较

Tab. 4 Comparison of event extraction performance

数据集	评价标准	方法
数据集	评价标准	Random	TF-IDF	MWDS	DCCI	本文方法
Dataset₁	ROUGE-1	0.678 1	0.693 1	0.652 4	0.630 6	0.820 6
	ROUGE-L	0.218 3	0.210 6	0.320 8	0.345 6	0.514 2
	Redundancy	28.152 0	20.824 1	36.576 9	47.952 8	23.340 9
Dataset₂	ROUGE-1	0.728 9	0.817 7	0.684 7	0.675 1	0.830 8
	ROUGE-L	0.438 7	0.467 0	0.443 7	0.431 9	0.704 1
	Redundancy	31.806 2	39.201 4	41.484 7	44.356 1	27.807 7

图5 Post2Event系统快照

Fig. 5 Snapshots of Post2Event system

参考文献 18

1	中国互联网络信息中心. 第48次中国互联网络发展状况统计报告［R］. 北京：中国互联网络信息中心， 2021. 10.1007/978-981-33-6930-6_2
	China Internet Network Information Center. The 48th statistical report on China’s Internet development［R］. Beijing： CNNIC， 2021. 10.1007/978-981-33-6930-6_2
2	MU L， JIN P Q， ZHAO J， et al. Detecting evolutionary stages of events on social media： a graph-kernel-based approach［J］. Future Generation Computer Systems， 2021， 123： 219-232. 10.1016/j.future.2021.05.006
3	MU L， JIN P Q， ZHENG L Z， et al. Lifecycle-based event detection from microblogs［C］// Companion Proceedings of the 2018 Web Conference. Republic and Canton of Geneva： International World Wide Web Conferences Steering Committee， 2018： 283-290. 10.1145/3184558.3186338
4	赵旭剑，王崇伟. 基于图卷积网络的微博新闻故事线抽取方法［J］. 计算机应用， 2021， 41（11）：3139-3144. 10.11772/j.issn.1001-9081.2021030451
	ZHAO X J， WANG C W. Storyline extraction method from Weibo news based on graph convolutional network［J］. Journal of Computer Applications， 2021， 41（11）：3139-3144. 10.11772/j.issn.1001-9081.2021030451
5	陈震，王静茹. 基于贝叶斯网络的网络舆情事件分析［J］. 情报科学， 2020， 38（4）：51-56， 69. 10.13833/j.issn.1007-7634.2020.04.008
	CHEN Z， WANG J R. Analysis of network public opinion events based on Bayesian network［J］. Information Science， 2020， 38（4）：51-56， 69. 10.13833/j.issn.1007-7634.2020.04.008
6	李培，翁伟，林琛. 中文微博故事线生成方法［J］. 中文信息学报， 2016， 30（3）：143-151.
	LI P， WENG W， LIN C. Method for generating microblogs storylines［J］. Journal of Chinese Information Processing， 2016， 30（3）：143-151.
7	YUAN R F， ZHOU Q F， ZHOU W B. dTexSL： a dynamic disaster textual storyline generating framework［J］. World Wide Web， 2019， 22（5）：1913-1933. 10.1007/s11280-018-0640-8
8	彭敏，傅慧，黄济民，等. 基于核主成分分析与小波变换的高质量微博提取［J］. 计算机工程， 2016， 42（1）：180-186. 10.3969/j.issn.1000-3428.2016.01.032
	PENG M， FU H， HUANG J M， et al. High quality microblog extraction based on kernel principal component analysis and wavelet transformation［J］. Computer Engineering， 2016， 42（1）：180-186. 10.3969/j.issn.1000-3428.2016.01.032
9	刘国威，成全. 基于网络舆情生命周期的微博热点事件主题演化研究［J］. 情报探索， 2018（4）：11-19.
	LIU G W， CHENG Q. Research on the topic evolution of Microblog hot events based on the life cycle of network public opinion［J］. Information Research， 2018（4）：11-19.
10	王东波，叶文豪，吴毅，等. 基于多特征时间抽取模型的食品安全事件演化序列生成研究［J］. 情报学报， 2017， 36（9）：930-939. 10.3772/j.issn.1000-0135.2017.09.007
	WANG D B， YE W H， WU Y， et al. Researches of generating time evolution sequences of food safety events based on multiple time extraction model［J］. Journal of the China Society for Scientific and Technical Information， 2017， 36（9）：930-939. 10.3772/j.issn.1000-0135.2017.09.007
11	欧阳逸，郭斌，何萌，等. 微博事件感知与脉络呈现系统［J］. 浙江大学学报（工学版）， 2016， 50（6）：1176-1182. 10.3785/j.issn.1008-973X.2016.06.023
	OUYANG Y， GUO B， HE M， et al. Event sensing and vein presentation leveraging microblogging［J］. Journal of Zhejiang University （Engineering Science）， 2016， 50（6）：1176-1182. 10.3785/j.issn.1008-973X.2016.06.023
12	TRAN T A， NIEDERÉE C， KANHABUA N， et al. Balancing novelty and salience： adaptive learning to rank entities for timeline summarization of high-impact events［C］// Proceedings of the 24th ACM International on Conference on Information and Knowledge Management， New York： ACM， 2015： 1201-1210. 10.1145/2806416.2806486
13	夏立新，陈健瑶，余华娟. 基于事理图谱的多维特征网络舆情事件可视化摘要生成研究［J］. 情报理论与实践， 2020， 43（10）：157-164. 10.16353/j.cnki.1000-7490.2020.10.026
	XIA L X， CHEN J Y， YU H J. Research on the visual summary generation of network public opinion events based on multi-dimensional characteristics of event evolution graph［J］. Information Studies： Theory and Application， 2020， 43（10）：157-164. 10.16353/j.cnki.1000-7490.2020.10.026
14	任卓明，邵凤，刘建国，等. 基于度与集聚系数的网络节点重要性度量方法研究［J］. 物理学报， 2013， 62（12）： No.128901. 10.7498/aps.62.128901
	REN Z M， SHAO F， LIU J G， et al. Node importance measurement based on the degree and clustering coefficient information［J］. Acta Physica Sinica， 2013， 62（12）： No.128901. 10.7498/aps.62.128901
15	田世海，董月文，王健. 基于NRL和k-means的舆情事件聚类研究［J］. 情报科学， 2021， 39（2）：129-136.
	TIAN S H， DONG Y W， WANG J. Clustering research on lyrical events based on NRL and K-means［J］. Information Science， 2021， 39（2）：129-136.
16	李进华，安仲杰. 基于地理坐标的微博事件检测与分析［J］. 现代图书情报技术， 2016， 32（2）：90-101. 10.11925/infotech.1003-3513.2016.02.12
	LI J H， AN Z J. Analyzing geographical coordinates data for micro-blog trending events［J］. New Technology of Library and Information Service， 2016， 32（2）：90-101. 10.11925/infotech.1003-3513.2016.02.12
17	ZHAO X J， JIN P Q， YUE L H. Discovering topic time from Web news［J］. Information Processing and Management， 2015， 51（6）：869-890. 10.1016/j.ipm.2015.04.001
18	LIN C Y. ROUGE： a package for automatic evaluation of summaries［C］// Proceedings of the ACL-2004 Workshop： Text Summarization Branches Out. Stroudsburg， PA： Association for Computational Linguistics， 2004： 74-81. 10.3115/1218955.1219032

[1]	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.
[2]	毕蓓, 潘慧瑶, 陈峰, 隋京言, 高扬, 王耀君. 基于异构图注意力网络的微博谣言监测模型[J]. 《计算机应用》唯一官方网站, 2021, 41(12): 3546-3550.
[3]	赵旭剑, 王崇伟. 基于图卷积网络的微博新闻故事线抽取方法[J]. 《计算机应用》唯一官方网站, 2021, 41(11): 3139-3144.
[4]	李艳红, 赵宏伟, 王素格, 李德玉. 面向微博文本流的负面情感突发话题检测[J]. 计算机应用, 2020, 40(12): 3458-3464.
[5]	刘威, 张明新, 安德智. 面向微博话题的用户影响力分析算法[J]. 计算机应用, 2019, 39(1): 213-219.
[6]	赵星宇, 赵志宏, 王业沛, 陈松宇. 基于聚类分析的微博广告发布者识别[J]. 计算机应用, 2018, 38(5): 1267-1271.
[7]	段大高, 盖新新, 韩忠明, 刘冰心. 基于梯度提升决策树的微博虚假消息检测[J]. 计算机应用, 2018, 38(2): 410-414.
[8]	赵军豪, 李玉华, 霍林, 李瑞轩, 辜希武. 融合微博情感分析和深度学习的宏观经济预测方法[J]. 计算机应用, 2018, 38(11): 3057-3062.
[9]	史庆伟, 刘雨诗, 张丰田. 基于微博文本的词对主题演化模型[J]. 计算机应用, 2017, 37(5): 1407-1412.
[10]	刘巧玲, 李劲, 肖人彬. 基于参数反演的网络舆情传播趋势预测——以新浪微博为例[J]. 计算机应用, 2017, 37(5): 1419-1423.
[11]	周霜霜, 徐金安, 陈钰枫, 张玉洁. 融合规则与统计的微博新词发现方法[J]. 计算机应用, 2017, 37(4): 1044-1050.
[12]	刘政, 卫志华, 张韧弦. 基于卷积神经网络的谣言检测[J]. 计算机应用, 2017, 37(11): 3053-3056.
[13]	高明霞, 陈福荣. 基于信息融合的中文微博可信度评估方法[J]. 计算机应用, 2016, 36(8): 2071-2075.
[14]	滕飞, 郑超美, 李文. 基于长短期记忆多维主题情感倾向性分析模型[J]. 计算机应用, 2016, 36(8): 2252-2256.
[15]	陈鑫, 王素格, 廖健. 基于词语相关度的微博新情感词自动识别[J]. 计算机应用, 2016, 36(2): 424-427.

融合社会影响力和时间分布的微博关键事件抽取方法

Key event extraction method from microblog by integrating social influence and temporal distribution

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 18

相关文章 15

编辑推荐

Metrics