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。
大规模、异质媒体、网络社会事件发现、时间片划分、多元数据融合
TP391(计算技术、计算机技术)
国家自然科学基金资助项目613300194
2015-08-13(万方平台首次上网日期,不代表论文的发表时间)
共7页
1165-1171