基于多模态特征深度融合的微博流事件检测与跟踪

• 作者: 冯时 张一飞 熊宇 王大玲
• 来源期刊: 控制与决策
• 学科: 工学
• 关键词: 微博流 事件检测 事件跟踪 多模态 特征融合 深度学习
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 论文与报告
• 页码范围: 1409-1416
• 页数: 8页
• 分类号: TP273
• 语种: 中文
• DOI: 10.13195/j.kzyjc.2017.1640

摘要

作为一种重要的社会媒体平台,分析、检测并跟踪微博内重大社会事件可以及时提供舆论焦点.但因其碎片化、异构性和实时性,传统方法很难有效分析海量微博,为此,提出一种基于多模态特征深度融合的微博事件检测与跟踪框架.首先基于文本处理对微博事件进行标注;然后用多模态特征深度融合实现事件的检测与表示;最后利用基于时间平滑的图变换模型完成事件流的跟踪.在真实数据集上的实验表明,所提出的方法能有效检测和跟踪微博流事件.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王大玲	东北大学计算机科学与工程学院	70	1479	23.0	36.0
3	张一飞	东北大学计算机科学与工程学院	17	119	7.0	10.0
5	冯时	东北大学计算机科学与工程学院	13	271	6.0	13.0
7	熊宇	东北大学计算机科学与工程学院	1	1	1.0	1.0