基于多模态特征深度融合的微博流事件检测与跟踪

作者:熊宇; 张一飞; 冯时; 王大玲 东北大学计算机科学与工程学院; 沈阳110169; 教育部医学影像计算重点实验室; 沈阳110169

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。

注:因版权方要求,不能公开全文,如需全文,请咨询杂志社

控制与决策

北大期刊 下单

国际刊号:1001-0920

国内刊号:21-1124/TP

杂志详情
相关热门期刊

服务介绍LITERATURE

正规发表流程 全程指导

多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。

保障正刊 双刊号

推荐期刊保障正刊,评职认可,企业资质合规可查。

用户信息严格保密

诚信服务,签订协议,严格保密用户信息,提供正规票据。

不成功可退款

如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。