社交网络事件检测方法研究与实现

摘要

现实世界的热点事件将引起社交网络中用户的大规模讨论，因此从社交网络数据入手可以挖掘出现实世界中人们所关注的热点事件。社交网络中的用户间交互越为频繁，说明人们越为关注某一事件，因此可以通过构建社交网络用户交互网络，检测社交网络中用户交互密集的社区，并进一步抽取出能够代表讨论社区的关键词来识别出热点事件。 然而随着社交网络规模的不断扩大，传统的社区检测算法在时间和空间上的消耗将不断扩大，十分浪费计算资源，因此本文基于传统的K-Clique社区检测算法提出了一种增量社区检测算法，有效降低了增量型网络的社区检测时间成本。社交网络不仅会随着时间不断扩张，网络中的元素也会随着时间的推移而逐渐失效。因此本文针对动态更新的社交网络，在增量社区检测算法的基础上，设计和实现了动态社区检测算法。本文提出的增量社区检测算法和动态社交网络的社区检测算法均采用动态更新的方式，当社交网络规模扩大，采用增量方式对已有的社区进行更新。当网络中有元素随着时间的推移而失效时，能及时有效的对社区进行更新，消除社区中的过期元素。最后设计实现了一种基于队列的TF-IDF(词频-反文档频率)社区关键词提取方式，提取事件关键词。 通过仿真测试比较了本文提出的增量社区检测算法、动态社区检测方法与传统K-clique社区检测方法，测试结果说明这些算法能够在较高的准确率的前提下大大提高社区检测的运行效率，针对社交网络数据设计的基于队列的TF-IDF关键词提取方法能有序有效地提取社交网络中引发讨论的关键词。

目录

第一个书签之前