融合语义边剪枝与社区发现的无监督社交媒体事件检测方法

摘要

传统的无监督社交媒体事件检测方法通过融合属性边和语义边已经能够有效的构建消息图，然而这类方法的性能受限于构图的质量及后续采用的社区发现算法.在图的构建过程中，语义边的选择方式对结果具有重要影响.语义边数量和质量的不平衡会导致引入额外的噪声或是聚类算法难以有效捕捉消息之间的事件关联.为此，作者提出了一种融合语义边剪枝与社区发现的无监督社交媒体事件检测方法.首先，通过结构熵来实现消息图的构建，基于结构熵最小化的原则选择合理的阈值约简掉语义关联较弱的边关系，构建更有利于发现事件的消息图；其次，利用多个社区发现算法实现社交媒体事件的高效检测.实验结果表明，与现有最优的基线模型相比，该方法在NMI、AMI和ARI上分别平均提高了1%、2%和8%,并且减少了92.73%的检测时间消耗.

关键词

社交媒体事件检测 / 边剪枝 / 结构熵 / 社区发现 / 图聚类 / 图分区 / 无监督学习