社交網(wǎng)絡(luò)的數(shù)據(jù)中蘊(yùn)含著大量有關(guān)現(xiàn)實(shí)中各種事件的信息。使用異常事件檢測(cè)模型準(zhǔn)確及時(shí)地發(fā)現(xiàn)社交網(wǎng)絡(luò)上傳播的異常事件信息,對(duì)于實(shí)現(xiàn)智慧城市感知社會(huì)異常動(dòng)態(tài)事件,有效提高社會(huì)管理應(yīng)對(duì)效率具有關(guān)鍵作用。本文定義了基于社交網(wǎng)絡(luò)的有權(quán)無(wú)向圖,根據(jù)異常事件的特征對(duì)社交網(wǎng)絡(luò)中事件進(jìn)行了主題分類和篩選,構(gòu)建了一個(gè)基于分層社區(qū)的異常事件檢測(cè)模型,從而可以實(shí)現(xiàn)對(duì)城市區(qū)域異常事件的檢測(cè)。 

【文章來(lái)源】：電腦知識(shí)與技術(shù). 2020,16(04)

【文章頁(yè)數(shù)】：3 頁(yè)

【文章目錄】：
1 概述
2 異常事件檢測(cè)
3 異常事件檢測(cè)模型
    3.1 基本概念
    3.2 基于詞頻組共現(xiàn)關(guān)系的有向加權(quán)圖
    3.3 分層社區(qū)的耦合程度
    3.4 基于分層社區(qū)的事件檢測(cè)
4 結(jié)束語(yǔ)


【參考文獻(xiàn)】：
期刊論文
[1]基于圖像語(yǔ)義的用戶興趣建模[J]. 曾金,陸偉,丁恒,陳海華.  數(shù)據(jù)分析與知識(shí)發(fā)現(xiàn). 2017(04)
[2]基于突發(fā)主題詞和凝聚式層次聚類的微博突發(fā)事件檢測(cè)研究[J]. 丁晟春,龔思蘭,李紅梅.  現(xiàn)代圖書情報(bào)技術(shù). 2016(Z1)
[3]微博信息傳播預(yù)測(cè)研究綜述[J]. 李洋,陳毅恒,劉挺.  軟件學(xué)報(bào). 2016(02)
[4]多媒體微博評(píng)論信息的主題發(fā)現(xiàn)算法研究[J]. 葉川,馬靜.  現(xiàn)代圖書情報(bào)技術(shù). 2015(11)
[5]微博中熱點(diǎn)話題的內(nèi)容特質(zhì)及傳播機(jī)制研究——基于新浪微博6025條高轉(zhuǎn)發(fā)微博的數(shù)據(jù)挖掘分析[J]. 李彪.  中國(guó)人民大學(xué)學(xué)報(bào). 2013(05)



本文編號(hào)：3227753