面向高效无监督的超空间社交事件检测
计算与语言
2024-12-17 v1
摘要
社交消息数据的海量、复杂和动态特性给社交事件检测（SED）带来了挑战。尽管投入了大量努力，这些挑战仍然存在，常常导致表达力不足的消息表示（低效）和漫长的学习时间（低效率）。为应对这些挑战，本工作提出了一种无监督框架 HyperSED（超空间 SED）。具体而言，所提出的框架首先将社交消息建模为基于语义的消息锚点，然后利用锚点图的结构和超空间的表达力来获取结构和几何感知的锚点表示。最后，HyperSED 通过引入可微的结构信息作为检测到的事件的反映，构建锚点消息图的分区树。在公开数据集上的大量实验证明了 HyperSED 的竞争力，以及相较于当前最先进的无监督范式在效率上的显著提升。统计上，HyperSED 在 NMI、AMI 和 ARI 上分别将增量 SED 提升了平均 2%、2% 和 25%；效率提升高达 37.41 倍和至少 12.10 倍，展示了所提出框架的进步。我们的代码在 https://github.com/XiaoyanWork/HyperSED 上公开可用。
引用
@article{arxiv.2412.10712,
title = {Towards Effective, Efficient and Unsupervised Social Event Detection in the Hyperbolic Space},
author = {Xiaoyan Yu and Yifan Wei and Shuaishuai Zhou and Zhiwei Yang and Li Sun and Hao Peng and Liehuang Zhu and Philip S. Yu},
journal= {arXiv preprint arXiv:2412.10712},
year = {2024}
}
备注
Accepted to AAAI 2025