[发明专利]基于多数据流计算的社交网络热点事件检测方法有效
| 申请号： | 201810173357.8 | 申请日： | 2018-03-02 |
| 公开（公告）号： | CN108519993B | 公开（公告）日： | 2022-03-29 |
| 发明（设计）人： | 李风环;王振宇;郭泽豪 | 申请（专利权）人： | 华南理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/30;G06F16/95 |
| 代理公司： | 广州市华学知识产权代理有限公司 44245 | 代理人： | 李斌 |
| 地址： | 510640 广*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于多数据流计算的社交网络热点事件检测方法，包括下述步骤：对用户生成内容短文本数据进行词特征提取，并对该词特征进行主题分析；建立主题间的区分性和主题内的内聚性，以突发主题作为用户生成内容的特征；对用户生成内容、用户行为数据和用户画像数据，利用模糊集理论，建立自适应无监督的目标决策；对每个单数据流的数据进行粒化，并对多数据流进行多粒度结构的重要度和相关性度量，以对多个粒结构进行约简和相关性判断；对不同粒结构依据相关性和目标决策进行覆盖分析，从而建立多粒度空间的计算，检测热点事件。本发明能够实现无监督自适应的决策，解决多源异构数据计算问题，有效地检测社交网络中的热点事件。 | ||
| 搜索关键词： | 基于 多数 计算 社交 网络 热点 事件 检测 方法 | ||
【主权项】：
1.一种基于多数据流计算的社交网络热点事件检测方法，其特征在于，包括以下步骤：S1、利用处理时序数据的深度学习方法对用户生成内容短文本数据进行词特征提取，对短文本词特征进行主题分析；S2、根据主题分析结果，建立主题间的区分性和主题内的内聚性，以此识别主题的突发性，以突发主题作为用户生成内容的特征进行事件检测；S3、对用户生成内容、用户行为数据和用户画像数据，利用模糊集理论，建立自适应无监督的目标决策；S4、对每个单数据流的数据进行粒化，并对多数据流进行多粒度结构的重要度和相关性度量，以对多个粒结构进行约简和相关性判断；S5、对不同粒结构依据相关性和目标决策进行覆盖分析，从而建立多粒度空间的计算，实现多源异构数据的热点事件检测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于华南理工大学，未经华南理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810173357.8/，转载请声明来源钻瓜专利网。
