推特多維事件信息可視化方法研究及系統(tǒng)實(shí)現(xiàn).pdf

1、隨著互聯(lián)網(wǎng)技術(shù)的高速發(fā)展和移動(dòng)通信技術(shù)應(yīng)用的空前繁榮，社交媒體成為社會(huì)生活中人們獲取和分享信息的重要工具，用戶越來(lái)越喜歡在社交網(wǎng)絡(luò)上發(fā)表言論和觀點(diǎn)。社交媒體也得益于用戶量的增長(zhǎng)，從而在很多重要的傳統(tǒng)領(lǐng)域發(fā)揮著極為重要的作用。推特在政治活動(dòng)、自然災(zāi)害等重大事件發(fā)揮的重要傳播作用使得針對(duì)社交網(wǎng)絡(luò)的事件檢測(cè)和事件可視化工作受到了極大的重視。
　　推特事件可視化是指將事件在圖形界面中進(jìn)行展示，并提供相應(yīng)的事件信息的過程。在事件信息中，地理

2、位置對(duì)用戶評(píng)估事件影響、感知事件發(fā)展具有十分重要的作用，因此對(duì)事件發(fā)生的地理位置進(jìn)行識(shí)別是對(duì)事件進(jìn)行可視化的前提條件。多連詞是指表示完整的人名、地名等實(shí)體的名詞詞組。統(tǒng)計(jì)發(fā)現(xiàn)有超過一半的地名是多連詞，為了對(duì)事件進(jìn)行準(zhǔn)確定位，需要對(duì)多連詞進(jìn)行識(shí)別。本文以推特短文本為研究對(duì)象，重點(diǎn)研究了推特短文本的多連詞識(shí)別技術(shù)、事件定位技術(shù)和事件信息可視化方法。本文主要在以下幾方面進(jìn)行了創(chuàng)新設(shè)計(jì)與實(shí)現(xiàn)工作：
　　（1）提出基于無(wú)監(jiān)督學(xué)習(xí)的多連詞識(shí)別

3、方法。為了實(shí)現(xiàn)多連詞識(shí)別，又提出一種基于模式匹配的推文預(yù)處理方法，通過匹配特征對(duì)推文進(jìn)行規(guī)范化和分詞。以預(yù)處理為基礎(chǔ)，使用一種無(wú)監(jiān)督的多連詞識(shí)別方法，在無(wú)標(biāo)注的推文集合中提取多連詞信息，結(jié)合正規(guī)文本的多連詞特征，訓(xùn)練多連詞列表，進(jìn)行多連詞識(shí)別。在實(shí)際推文訓(xùn)練和測(cè)試中，相比于傳統(tǒng)的多連詞識(shí)別方法，本方法隨著處理推文數(shù)量增加，可以顯著提高多連詞識(shí)別的準(zhǔn)確率。
　?。?）提出基于最大熵模型的推特事件定位方法。本方法對(duì)最大熵模型的特征模板

4、進(jìn)行改進(jìn)，結(jié)合多種語(yǔ)義信息進(jìn)行特征構(gòu)建，使用詞性標(biāo)注和實(shí)體標(biāo)注后的訓(xùn)練集對(duì)最大熵模型進(jìn)行二分類訓(xùn)練，從而識(shí)別文本中的地理名詞。在此基礎(chǔ)上提出了基于位置信息的加權(quán)定位算法，根據(jù)文本地理位置、用戶位置和發(fā)推位置對(duì)推特事件進(jìn)行定位。本方法提高了推文地名識(shí)別準(zhǔn)確率和召回率，同時(shí)，事件定位算法能夠高效準(zhǔn)確的對(duì)事件進(jìn)行定位。
　?。?）設(shè)計(jì)實(shí)現(xiàn)了一套地理信息融合的事件可視化系統(tǒng)。本系統(tǒng)基于推特事件的地理位置進(jìn)行信息可視化系統(tǒng)的構(gòu)建，實(shí)現(xiàn)了對(duì)事