Embed2Detect：基于时间聚类嵌入词的社会媒体事件检测
信息检索
2021-05-27 v4 计算与语言
摘要
社交媒体正成为讨论全球时事的主要媒介。因此，社交媒体平台生成的数据蕴含描述正在进行事件的丰富信息。此外，这些数据的时效性有助于即时洞察。然而，鉴于社交媒体数据流动态性强且数据量巨大，人工筛选事件并不现实，因而自动化事件检测机制对社区极具价值。除少数显著例外，以往多数自动化事件检测研究仅关注数据的统计与句法特征，缺乏底层语义的参与——而语义对于从文本中有效检索信息至关重要，因其表征词与含义间的联系。本文提出一种称为 Embed2Detect 的新方法，通过结合词嵌入特性与层次凝聚聚类实现社交媒体事件检测。词嵌入的采用使 Embed2Detect 能将强大语义特征融入事件检测，并克服既往方法固有的一大局限。我们在代表体育与政治领域的两个近期真实社交媒体数据集上实验该方法，并将结果与若干 SOTA 方法比较。所得结果表明 Embed2Detect 能高效且有效地检测事件，并优于近期事件检测方法。在体育数据集上，Embed2Detect 的 F-measure 比最佳基线高 27%；在政治数据集上，该提升为 29%。
引用
@article{arxiv.2006.05908,
title = {Embed2Detect: Temporally Clustered Embedded Words for Event Detection in Social Media},
author = {Hansi Hettiarachchi and Mariam Adedoyin-Olowe and Jagdev Bhogal and Mohamed Medhat Gaber},
journal= {arXiv preprint arXiv:2006.05908},
year = {2021}
}
备注
This is a preprint of an article published in the Journal of Machine Learning, Springer. The final authenticated version is available online at: https://doi.org/10.1007/s10994-021-05988-7