社交媒体中的多尺度事件检测
社会与信息网络
2015-08-31 v2 机器学习
物理与社会
机器学习
摘要
事件检测一直是社交媒体分析中最重要的研究课题之一。大多数传统方法基于固定的时间和空间分辨率来检测事件，而在现实中，不同规模的事件通常同时发生，即它们在时间和空间上跨越不同的区间。在本文中，我们提出了一种利用社交媒体数据进行多尺度事件检测的新方法，该方法考虑了数据中事件的不同时间和空间尺度。具体而言，我们探索了小波变换的性质，这是一种信号处理中发展成熟的多尺度变换，能够自动处理时间和空间尺度之间的相互作用。随后，我们提出了一种新算法，用于在适当尺度上计算数据相似性图，并通过单一的基于图的聚类过程同时检测不同规模的事件。此外，我们对数据流中存在的噪声信息进行了时空统计分析，这使得我们能够为新提出的事件检测算法定义一种新的术语过滤程序，并有助于我们利用模拟噪声数据研究其行为。在合成生成数据和从 Twitter 收集的真实世界数据上的实验结果证明了所提方法的有效性和意义。我们的框架进一步扩展到涉及多尺度和多分辨率数据分析的众多应用领域。
引用
@article{arxiv.1404.7048,
title = {Multiscale Event Detection in Social Media},
author = {Xiaowen Dong and Dimitrios Mavroeidis and Francesco Calabrese and Pascal Frossard},
journal= {arXiv preprint arXiv:1404.7048},
year = {2015}
}