微博熱點(diǎn)事件跟蹤與視覺總結(jié)方法研究與實(shí)現(xiàn).pdf

1、隨著微博服務(wù)平臺(tái)的快速發(fā)展，使用微博的用戶數(shù)也越來越多。人們基于此傳播和獲取與熱點(diǎn)事件相關(guān)的信息，這些微博的內(nèi)容高度相似，信息質(zhì)量參差不齊，亟需相關(guān)技術(shù)將其梳理。給定一個(gè)與熱點(diǎn)事件相關(guān)的微博和內(nèi)嵌圖片集合，本文旨在檢測(cè)并跟蹤其主要子事件的發(fā)展，并為每個(gè)子事件選擇代表性的圖片。本文將事件跟蹤轉(zhuǎn)化為聚類跟蹤，跟蹤聚類隨時(shí)間的發(fā)展模式。
　　本文中將微博流建模為動(dòng)態(tài)投遞網(wǎng)絡(luò)，將事件跟蹤建模為在動(dòng)態(tài)投遞網(wǎng)絡(luò)上的增量聚類跟蹤，對(duì)基于密度的聚

2、類算法DBSCAN進(jìn)行改進(jìn)，提出CDBSCAN聚類算法，使其適用于增量聚類。有一些研究是基于單點(diǎn)更新的增量聚類算法，為了提高效率本文采用批量更新的增量聚類算法。經(jīng)過固定的時(shí)間間隔，在每一個(gè)時(shí)刻依次進(jìn)行基于批量刪除更新和批量添加更新的增量聚類算法，同時(shí)記錄聚類的發(fā)展模式，然后基于此記錄推算出在相鄰時(shí)刻的聚類之間的發(fā)展模式。通過實(shí)驗(yàn)表明，該方法可以有效地檢測(cè)出主要子事件，能夠跟蹤聚類發(fā)展的完整生命周期。
　　在事件跟蹤領(lǐng)域同時(shí)使用文本

3、和圖片的研究比較少，作者提出視覺總結(jié)算法為事件選擇有代表性的圖片。首先根據(jù)圖片的屬性過濾噪聲圖片，然后基于顏色直方圖和邊緣方向直方圖用SVM訓(xùn)練一個(gè)噪聲圖片分類器，利用分類器進(jìn)一步過濾噪聲圖片。對(duì)同一個(gè)文本聚類內(nèi)部的圖片使用CDBSCAN聚類，選擇每一個(gè)圖片聚類里面優(yōu)先級(jí)最高的圖片，對(duì)選擇出來的圖片基于熱度排序。通過實(shí)驗(yàn)表明選擇的圖片與事件密切相關(guān)，有助于用戶理解事件。
　　實(shí)現(xiàn)了一個(gè)基于微博熱點(diǎn)事件跟蹤和視覺總結(jié)的系統(tǒng)。采用批量