互聯(lián)網(wǎng)中事件檢測(cè)與跟蹤系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn).pdf

1、近年來(lái)，隨著WEB3.0的飛速發(fā)展，社交媒體也迅速發(fā)展起來(lái)，各大社交平臺(tái)競(jìng)相怒放，用戶量迅猛增長(zhǎng)。截至2016年11月，F(xiàn)acebook注冊(cè)用戶數(shù)超過(guò)14億，Twitter月活躍用戶數(shù)已達(dá)到3.1億，國(guó)內(nèi)的新浪微博月活躍用戶數(shù)也超過(guò)2.6億。大量的活躍用戶，每天自發(fā)的貢獻(xiàn)，提取，創(chuàng)造，傳播新聞資訊，使得每天有上億條微博信息在各個(gè)平臺(tái)上發(fā)布和傳播。龐大用戶群、海量文本信息吸引了越來(lái)越多的學(xué)者的關(guān)注與研究。
　　事件檢測(cè)與跟蹤是一項(xiàng)旨

2、在基于事件對(duì)信息進(jìn)行分析和利用的研究。目前，國(guó)內(nèi)外針對(duì)社交媒體的事件檢測(cè)與跟蹤研究成果較少。并且，社交媒體信息有文本短，信息不集中，網(wǎng)絡(luò)用語(yǔ)多，口語(yǔ)化等特點(diǎn)，傳統(tǒng)話題檢測(cè)與跟蹤方法用于社交媒體準(zhǔn)確率很低。本文針對(duì)以上問(wèn)題，提出了一種融合基于LDA淺層學(xué)習(xí)特征和基于Word2Vec深度學(xué)習(xí)特征的分類方法對(duì)新浪微博進(jìn)行事件檢測(cè)，并在事件檢測(cè)基礎(chǔ)上進(jìn)行了事件熱度預(yù)測(cè)與情感傾向性分析。
　　本文以新浪微博為主要研究對(duì)象，構(gòu)建了連續(xù)時(shí)間跨度

3、超過(guò)兩個(gè)月的語(yǔ)料庫(kù)。通過(guò)融合基于LDA淺層學(xué)習(xí)特征和基于Word2Vec深度學(xué)習(xí)特征，使用隨機(jī)森林算法對(duì)融合特征進(jìn)行分類，可以獲得微博條目的事件標(biāo)簽。我們對(duì)事件分類后的結(jié)果，利用微博的轉(zhuǎn)發(fā)數(shù)，評(píng)論數(shù)，點(diǎn)贊數(shù)，是否是大V發(fā)布等參數(shù)以及歷史熱度信息，構(gòu)建線性回歸模型，對(duì)事件熱度進(jìn)行計(jì)算與預(yù)測(cè)。并提出了基于評(píng)價(jià)對(duì)象期望的情感傾向性分析方法來(lái)對(duì)事件的情感傾向性進(jìn)行評(píng)判。為了驗(yàn)證算法的有效性，本文使用我們構(gòu)建的語(yǔ)料庫(kù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證并設(shè)置了對(duì)比實(shí)驗(yàn)