Jul, 2023

EnrichEvent：为新兴事件提取丰富的社交数据和背景信息

PDF
TL;DR社交平台是传播和讨论真实事件信息的关键平台，本研究提出了一种利用社交数据的词汇、语义和上下文表示来检测社交事件的框架，通过利用上下文知识在最早的阶段检测语义相关的推文并提高聚类质量，进而展示每个事件的演变变化。经过广泛实验验证了该框架在检测和区分社交事件方面的有效性。
发现论文，激发创造
  • 社交数据流的实时事件检测

    本研究提出了一种以聚类为基础的实时事件发现系统，能够将 Twitter 上的实时数据进行聚类，识别出不同的事件，并使用 novel metric 评估聚类方法的效果和在实时和线下模式下的表现，实验结果表明该系统在大规模数据上具有很高的效率和准确性。

    Jul, 2019

  • 异构信息网络中的流式社交事件检测和演化发现

    本文提出一种基于事件的异构信息网络，结合外部知识库，基于元路径相似度搜索的社交事件检测和演化发现框架，并利用基于加权元路径实例相似性和文本语义表示的新颖 PP-GCN 对社交事件进行细粒度分类，该框架优于其他替代的社交事件检测和演化发现技术。

    Apr, 2021

  • 社交媒体流的事件检测：方法、数据集和机会

    本文介绍了社交媒体上事件检测的方法和数据集，探讨了该领域的研究机会。

    Jun, 2023

  • EEPT: 使用语义相似度在 Twitter 中早期发现新兴实体

    本文提出了一种通过语义聚类短信息的方法来早期发现新兴实体，并设计并利用性能评估指标来评估该方法的性能表现。结果表明，该提议方法发现的新兴实体不仅仅是 Twitter 趋势的范畴。

    Jul, 2022

  • 基于流式社交帖子的事件演化跟踪

    本文提出了一种基于社交媒体流的实时事件跟踪方法，包括事件检测、演化模式追踪、以及通过核心帖子绘制草图图形和词云展示等，能够有效处理大量噪声数据。

    Nov, 2013

  • 社交媒体文本上基于弱监督的细粒度事件识别在灾害管理中的应用

    本文通过弱监督学习建立高质量的社交媒体紧急信息分类器，使用 Twitter 上的微博信息以及事件关键词帮助快速生成高质量的标签化数据，利用前续信息和回复信息来丰富微博表示方法以处理嘈杂短小的用户生成信息，且仅需 1-2 人时的人工监督即可在两次飓风期间实现优于需要 50 人时手动标注的管理分类器。

    Oct, 2020

  • 社交媒体转发数据增强的组织活动参与者预测

    利用社交媒体转发活动数据增强事件参与者预测模型的学习，在两种真实环境下对训练数据以及热启动和冷启动测试情景进行综合实验，评估结果表明我们的方法在几个基准模型中始终表现优异，尤其在限定目标领域数据时。

    Oct, 2023

  • 支持实时态势感知的交互式学习识别相关推文

    提出了一种新颖的交互式学习框架来提高对实时推文的分类过程，该框架允许用户在实时学习的基础上迭代地纠正推文的相关性以训练分类模型，实验结果表明该方法优于现有的机器学习模型，结合 SMART 系统，可用于实时情境感知并满足不同用户依赖需求。

    Aug, 2019

  • 社交媒体事件主题建模的语义模块化框架

    该文介绍了一种基于 Semantic Modular Model 的事件检测方法，结合自然语言处理技术和聚类算法，更精确地提取社交媒体上的事件信息和关键词。

    Jan, 2023

  • 利用上下文信息进行增强的 Twitter 情感分类

    本文探索了利用不同位置、时间和作者搜集的大量元数据来分析推文情感，并使用基于贝叶斯方法的分类器，将上述元数据与 n-grams 等标准语言特征相结合，以更准确地对推文情感进行分类。结果表明，将 Twitter 可用的丰富上下文信息整合到情感分类中是一个有希望的研究方向。

    May, 2016