基于微博文本的灾害事件信息时空过程聚合方法

各类灾害事件频发已成为全球可持续发展面临的重大威胁。在大数据环境下,微博文本逐渐被应用于灾害管理的预防、准备、响应和恢复工作。以往研究多关注微博文本中灾情信息的获取,却忽略对这些碎片化信息进行有序化整合。本文从时空视角构建多层次的灾害事件信息模型,在抽取出微博文本中灾害事件信息要素的基础上,提出基于“对象-状态”的过程信息聚合方法,解决微博文本中灾害事件信息分散化、时空粒度多样化和无序化的问题。基于新浪微博进行台风“利奇马”事件的案例分析,结果表明,本文方法能够全面地获取灾害事件过程中各个时空节点上的灾情信息,有利于从微博文本中挖掘小尺度下的灾害突发状况。

微博事件感知与脉络呈现系统

为了研究微博的事件感知与脉络呈现方法,以Twitter为研究对象,对现实生活中发生的事件进行提取并呈现事件发展的过程.对微博的处理分为事件感知阶段和事件脉络呈现阶段.在事件感知阶段对原始微博进行过滤分析,去除冗余信息,并得到与事件相关的微博集.在事件脉络呈现阶段采用基于图结构的方法,将微博之间的关系转换成图中结点之间的关系,寻找图中的关键结点作为关键微博,并连接关键结点,最终得到在时间和内容上连贯的事件脉络.实验结果表明:所提出的方法能呈现事件的发展过程,也能体现事件发展的多样化.

基于短文本及情感分析的微博舆情分析

为解决微博文本呈现的不完整性、稀疏性及碎片化等特性,设计基于短文本聚类及用户评论情感分析的微博舆情系统;通过对短语消息流会话的抽取,解决短信息的不完整性及交错性问题;通过对TF-IDF的改进,解决因关键词稀疏带来的相似度漂移问题;设计的短文本聚类混合算法能够有效地对微博文本信息聚类且能满足准确性和伸缩性的要求。情感词分析法能够针对热点话题的评论进行分析,识别出其情感倾向及演化规律,进一步了解网民对热点话题的观点及态度,最后通过实验验证了方法的可行性及实验效果。

一种基于情感符号的在线突发事件检测方法

如何快速高效检测出海量数据流中的突发事件是目前的研究热点之一.文中针对微博数据流,提出了一种新颖的基于情感符号的在线突发事件检测算法框架.伴随着事件的发生,文本流中情感符号也存在突发现象.文中通过实时监测情感符号变化态势,及时发现情感符号的突发期,达到挖掘突发事件的目的.首先基于频繁模式挖掘和互信息相结合的算法构建情感符号模型,并通过此模型抽取数据流中的情感符号,采用改进Kleinberg算法检测突发期,通过启发式的近邻传播聚类算法检测突发事件并对事件进行合并.同时,算法设置了离线回收机制,对不含情感符号的博文进行回收利用以保证事件概要抽取的完备性.实验表明,该算法可有效地挖掘出突发事件,无论在速度还是精度上都能保证实时在线处理的要求.

体育赛事微博运营的现状、问题与对策

体育赛事微博是传播体育赛事、服务体育赛事的重要的新媒体平台。体育赛事微博运营主要包括体育赛事理念和赛事品牌、体育赛事资讯、体育比赛微博直播、体育赛事赞助商传播、体育赛事媒体服务、服务观众、微博线上活动等内容。依据微博自身特性和微博营销的特点,就体育赛事微博运营提出如下对策:保持适中的微博发布频率;微博内容丰富、活泼亲和;注重与赛事组织成员间的"圈子化"传播;重视与"弱关系"粉丝的反馈与互动,提高体育赛事微博的服务性。

基于图卷积网络的归纳式微博谣言检测新方法

为了解决传统图卷积神经网络在进行谣言检测时面临的未充分考虑单词语义信息以及池化方法选择困难的问题,提出基于图卷积网络(GCN)的归纳式微博谣言检测新方法.考虑单词之间的语义关系,结合传统词共现建图方法提出基于词语义相关性的微博事件建图方法,并结合图卷积网络和门循环单元(GRU)实现节点信息聚合;为了有效融合不同节点状态的特征信息,提出基于注意力机制的多池化方法融合策略融合最大池、平均池和全局池以获取最终的图级向量;为了提高微博谣言检测效率,探究微博评论时间对检测结果的影响,获得用于模型训练的最佳评论利用时间阈值.实验结果表明,本研究方法在给定数据集上的表现普遍优于Text-CNN、BiGCN、TextING等典型方法,验证了其在微博谣言检测领域的有效性.

云计算环境下基于代表点增量层次密度聚类的微博事件检测及跟踪

为从微博服务平台产生的大量实时信息中抽取新闻事件,提出了一套完整的云计算环境下的微博事件检测跟踪算法。首先采用新的基于微博转发数和评论数的权值计算方法,将微博文本表示成向量空间模型;再利用基于代表点的增量层次密度聚类(RIHDBSCAN)算法抽取关键词,最终实现新闻事件的检测和跟踪。针对单一节点无法快速高效地处理海量微博数据的问题,将算法部署在云计算平台Hadoop上。通过在新浪微博平台上获取的真实数据进行实验,结果表明,所提出的权值计算方法比TF-IDF和UF-ITUF有更高的性能,并且云框架的使用较好地提高了处理速度,适合用于海量数据的分析和挖掘。

基于个人微博特征的事件提取研究

个人微博在事件提取上大多都是运用文本进行相似度计算最终达到聚类结果,而没有充分的考虑到微博特征。针对微博标签、URL、时间等特征,提出一种基于微博特征的事件提取算法。该算法针对微博的特征进行TF-IDF的改进,并加入标签相似度,URL相似度,进行综合相似度计算,最后按时间先分段后合并的改进K-means聚类方法得出事件提取结果。实验结果表明,基于微博特征的事件提取算法对微博关键字提取和事件提取的精确度有明显的提高。

基于关键词抽取的微博舆情事件内容聚合

微博舆情事件会带来严重后果,而碎片化和无序化使得难以从海量的微博内容中全面地认知微博舆情事件的全貌。从微博舆情事件内容聚合出其主要内容具有重要实践价值和研究价值。基于关键词抽取技术KEA提出了一种微博舆情事件内容聚合方法。根据对微博内容篇幅、规范性和网络性的分析,增加中心度特征、词性特征和改进词位置特征,并以朴素贝叶斯分类器抽取关键词集作为聚合输出。最后通过现实微博平台上的内容聚合实验证明本研究所提方法相对基线方法在准确率和召回率上的优势。

一种基于新闻学的微博事件特征选择方法

近年来，微博在突发事件与公共安全中展现了越来越强的影响力。如果缺乏对微博突发事件的检测与监控手段，一旦发生微博突发事件，将使政府部门及企业处于被动地位，甚至危及社会稳定。目前微博事件检测通常采用基于特征集的分类方法，但对于同一个微博数据集，使用不同的特征集往往会得到截然不同的结果。因此，如何根据微博事件检测的要求选择合适的特征集是目前亟待解决的一个关键问题。本论文提出了一种新的微博事件特征选择方法。该方法借鉴了新闻学上的事件“5W”要素，在微博事件的“5W”初始特征集上通过交叉迭代方法优选出最优的特征集。我们在实际的微博数据集上，基于准确率、召回率、F值等多种指标比较了我们提出的方法与已有的4种特征选择策略的性能。结果表明，本文提出的方法可以降低最终选择的特征数目，并且在微博事件检测上具有较高的召回率和F值。

基于多种词特征的微博突发事件检测方法

近年来,各领域内频频发生各类突发事件,对社会稳定发展产生了一定程度的影响.本文提出了一种基于多种词特征的微博突发事件检测模型,可以在海量微博数据中对突发事件进行检测,便于相关决策者进行微博监控和舆论引导,尽可能减少突发事件给社会带来的危害.首先根据时间信息对微博数据进行时间切片,对每一个时间窗口内的数据分别计算各个词语的词频特征、话题标签特征和词频增长率特征;然后基于D-S证据理论和层次分析法,确定词的各个特征权重,并进行加权融合得到词的突发特征值,将突发特征值大的词挑选出来构成突发特征词集,构建基于共现度和结合紧密度的突发事件特征词集的耦合度矩阵;最后将该耦合度矩阵作为凝聚式层次聚类算法的输入,生成一棵由突发词为叶子节点的二叉树,并采用内部相似度的二叉树剪枝算法对聚类结果进行划分,即可实现对相应时间窗口突发事件的检测.实验结果表明,基于突发词的事件检测模型在簇内部相似度阈值等于1.1时效果最好,正确率达到0.8462、召回率达到0.8684、F值为0.8571,表明了本文所提方法的有效性.

微博客蕴含交通事件信息抽取的自动标注方法

微博客文本蕴含丰富的实时交通事件信息,能够为现有交通信息采集手段提供补充。然而,当前事件抽取方法缺少对地理实体关系的判断过程,对涉及多个地理实体及关系表达的地理空间要素抽取效果不佳,难以准确识别交通事件信息的位置描述。该文提出一种自动标注方法,将地理实体关系识别引入事件抽取过程来解决这一问题。该方法利用条件随机场模型实现交通事件角色标注,利用支撑向量机模型实现角色关系与要素关系标注,完成了交通事件信息空间要素识别。以新浪微博为数据源开展的实验分析表明,该文所提出的微博客蕴含交通事件抽取方法,正确率和召回率均达到90%,优于现有的基于模式匹配的抽取方法。

恐怖事件情境下微博影响力的预测及演化

[目的/意义]对恐怖事件情境下微博影响力进行预测并揭示其演化模式有助于反恐部门及时预见潜在的问题与危害,并迅速采取有效的应对措施。[研究设计/方法]本文提取了恐怖事件情境下微博的用户特征、时间特征和内容特征,构建了基于逻辑回归模型的恐怖事件微博影响力预测模型,并对预测模型进行训练和评估。[结论/发现]模型的预测准确率达到85.8%,能有效地完成预测任务。此外,对恐怖事件中高影响力微博的特征进行分析和总结,最后,提出基于h指数的微博主题影响力量化方法,并分析了恐怖事件情境下微博主题影响力的演化规律。[创新/价值]研究结果有助于发现可能产生高影响力的恐怖事件相关微博,评估微博信息的传播规模,了解公众对恐怖事件的关注内容、强度及变化规律,协助反恐部门进行舆情管理。

EDM:高效的微博事件检测算法

微博数据具有实时动态特性,人们通过分析微博数据可以检测现实生活中的事件。同时,微博数据的海量、短文本和丰富的社交关系等特性也为事件检测带来了新的挑战。综合考虑了微博数据的文本特征(转帖、评论、内嵌链接、用户标签hashtag、命名实体等)、语义特征、时序特性和社交关系特性,提出了一种有效的基于微博数据的事件检测算法(event detection in microblogs,EDM)。还提出了一种通过提取事件关键要素,即关键词、命名实体、发帖时间和用户情感倾向性,构成事件摘要的方法。与基于LDA(latent Dirichlet allocation)模型的事件检测算法进行实验对比,结果表明,EDM算法能够取得更好的事件检测效果,并且能够提供更直观可读的事件摘要。

网络热点事件微博评论中的情感冲突分析

微博已经成为网络热点事件发布、传播以及推动过程的重要媒介,在微博中评论的内容尤为关键,它们可以推动热点事件的发展。微博评论中的情感冲突是网络热点事件中网民表达情感的主要方式。本文选取"玉林狗肉节"的微博评论作为案例,运用ROSTCM软件和文本分析法,采用"词—句—内容—策略"的研究脉络,梳理出情感冲突的内容和策略,发现了基于共识解决情感冲突的可能路径。

面向突发事件的民众负面情绪生命周期模型

突发事件的发生容易引发网络社会情绪危机,对民众负面情绪进行监控预警以及平复是突发事件应急管理的关键环节。本文基于Aging theory模型,以预警为目的,设计了面向突发事件的微博民众负面情绪生命周期模型,并在此基础上,结合微博主题检测与跟踪技术以及微博情感分析技术,构建了基于微博的民众负面情绪实时监控预警框架。以25起突发事件为实验对象,对本文提出的模型进行了验证,实验结果表明本文提出的模型是有效的,可以实时正确的反映民众负面情绪的演化,结合预警模式可以给出实时的预警。

恐怖事件情境下微博信息组织与关联可视化

[目的/意义]恐怖事件情境下微博信息的有效组织与利用有助于掌握事件发展动态与出现的问题,为事件应对及后续类似事件的防范提供数据支持。[方法/过程]该文采用元数据的方式对微博信息进行组织,在都柏林核心(Dublin Core,DC)元素集的基础上,参考网络信息资源归档的元数据描述框架及全球恐怖事件数据库(Global Terrorism Database,GTD)的构建方式,结合恐怖事件的特征、新浪微博信息的呈现形式,提出恐怖事件情境下微博信息元数据描述框架,并利用微博平台上近10年国内外的100个恐怖事件信息进行实证研究,基于元数据元素建立并可视化地揭示数据间的关联关系。[结果/结论]实证结果证明了该研究所提信息组织方案对微博平台上恐怖事件信息进行组织的有效性,有助于为反恐情报信息工作提供数据来源与支撑。

微博助推图书馆公关形象塑造探析——关于“为农民工网购火车票事件”的思考

微博关注最新的社会热点问题,以其传输信息快、互动性强、允许自由评论等特点成为信息传播的新途径。图书馆"为农民工网购火车票事件"始于微博,对图书馆的公关形象塑造具有正面宣传效应。图书馆公关形象的整体运作要依靠微博等网络媒体,同时图书馆应积极与传统媒体合作,抓住宣传机遇,为图书馆事业的生存与发展谋求更为广阔的空间。

微博公共事件演化分析研究综述

微博公共事件的演化分析研究有助于预警公共事件的形成和社会管理,近年来已成为一个重要的研究方向和热点.微博公共事件演化分析包括公共事件自动发现、演化模型及语料库构建,通过梳理这3个方面的研究成果,对相关研究理论和方法的现状进行评析.最后,对微博公共事件语料库的构建、微博公共事件自动发现及演化分析的发展趋势进行展望,为进一步研究提供参考.

微博时代体育赛事的传播特点——以南非世界杯和广州亚运会为例

近年来微博的发展势头极其强劲,不但成为了社交网站的新宠,给人们的日常生活带来了巨大影响,而且还作为一种新型的传播工具,参与到了各种体育赛事中,给体育迷们带来新的赛事体验。从微博的传播模式和传播特点等方面入手,并以南非世界杯和广州亚运会为例,探析在微博时代体育赛事的新特点。