高动态图中密集簇的实时发现：在高动态环境中识别真实世界事件

由于其实时性，微博流是动态信息的丰富来源，例如关于新兴事件的信息。现有的从微博流中实时发现此类事件的技术（如Twitter热门话题）在用于发现新兴事件时存在若干缺陷；现有的基于图的事件检测技术由于复杂性在微博环境中不实用；而针对博客、网页等开发的传统技术（涉及关键词搜索）仅对已知事件的信息查找有用。因此，本文中我们提出了在微博消息流中实时发现正在展开的事件的方法，以便事件一发生就能被报告。我们将问题建模为在高动态图中发现密集簇。尽管图分析最近取得了许多进展，我们的技术是首个在大型高动态图中实时识别密集簇的技术。鉴于微博流的特征，为了在不遗漏任何事件的情况下找到簇，我们提出并利用了一种新颖的图属性，称为短周期属性。我们的算法即使在微博流快速变化的情况下也能高效地找到这些簇。此外，我们提出了一种新颖的排名函数来识别重要事件。除了证明算法的正确性，我们还通过使用真实微博数据评估它们来展示其实用性。这些实验证明了我们的技术能够以高精度和高召回率实时发现高密度数据流中的新兴事件。许多最近的Web应用创建了可表示为大规模动态图的数据。我们的技术可以轻松扩展以实时发现此类图中的有趣模式。