图像分析增强的基于地理标记推文流的事件检测

从社交媒体流中检测到的事件通常包含事故、犯罪或灾难的早期迹象。因此，相关方可以利用它们进行及时高效的响应。尽管从推文流进行事件检测已取得显著进展，大多数现有方法未考虑推文中的发布图像，这些图像比文本提供更丰富的信息，并可能成为事件是否发生的可靠指标。本文设计了一种结合文本、统计和图像信息的事件检测算法，遵循无监督机器学习方法。具体而言，算法从语义和统计分析开始，获得推文簇列表，每个簇对应一个事件候选，然后执行图像分析以分离事件与非事件——为每个簇训练一个卷积自编码器作为异常检测器，其中部分图像用作训练数据，其余图像用作测试实例。我们在多个数据集上的实验验证，当事件发生时，训练与测试图像的均值重建误差比候选为非事件簇的情况更接近。基于该发现，算法在差异大于阈值时拒绝候选。在数百万条推文上的实验结果表明，这种图像分析增强的方法能在对召回率影响最小的情况下显著提高精确率。