在交互网络中发现主题与时间连贯的事件
社会与信息网络
2016-07-05 v2
摘要
随着在线通信平台（如电子邮件、twitter和消息应用）的日益使用，我们面临越来越多融合内容（所言）、时间（何时）和用户（何人）信息的数据。一个重要的计算挑战是分析这些数据、发现有意义模式并理解正在发生的事情。我们考虑挖掘在线通信数据并寻找top-k时间事件的问题。我们定义时间事件为一个连贯的主题，该主题在相对短的时间跨度内被频繁讨论，同时该事件的信息流遵循底层网络结构。我们分两步构建检测时间事件的模型。首先引入交互元图（interaction meta-graph）的概念，其连接相关联的交互。利用此概念，我们定义时间事件为交互的子集，这些交互(i)在主题和时间上接近，且(ii)对应于捕捉信息流的一棵树。寻找最佳时间事件导致奖赏收集Steiner树（PCST）问题的预算版本，我们使用三种不同方法求解：贪心方法、动态规划算法以及对现有近似算法的改造。在一组候选事件中寻找top-k事件的问题映射到最大集合覆盖问题，因此通过贪心求解。我们在合成和真实数据集（如twitter和电子邮件通信）中比较和分析我们的算法。结果表明我们的方法能够检测有意义的时间事件。
引用
@article{arxiv.1606.09446,
title = {Discovering topically- and temporally-coherent events in interaction networks},
author = {Han Xiao and Polina Rozenshtein and Aristides Gionis},
journal= {arXiv preprint arXiv:1606.09446},
year = {2016}
}