面向不均衡数据集的在线式异质媒体网络事件发现

随着互联网的发展,网络数据呈现出异质数据多、文本标签化、数据不均衡等特点,这使得传统的基于长文本在线式网络事件的方法逐渐失效。采用改进的Single Pass方法进行在线式异质媒体网络事件发现:首先,通过分析网络数据中的不均衡性,重新设计相似度计算公式;其次,设计滑动时间窗口来提高Single Pass的算法效率;最后在Flickr的SED2014数据集上开展实验。实验结果表明,提出的算法具有有效性和实用性。

基于时间片划分和多元数据融合的异质媒体网络社会事件发现

为了能在大规模、多异质的网络环境下进行网络社会事件的有效检测,提出了一种基于时间片划分和多元数据融合的异质媒体网络社会事件发现方法.该方法首先采用时间片划分的方法,结合用户信息和时间信息来建立用户-时间(user-time,UT)数据模型以减小数据规模;然后通过多元数据线性叠加来整合不同元数据间的相似度并用基于密度的算法以完成社会事件的发现.在最新的SED 2014数据集上进行对比,实验结果表明:该方法与现有方法相比,具有数据处理速度快、事件发现准确率高的优点.