基于混合图对比学习和强化增量聚类的无监督社交事件检测
社会与信息网络
2023-12-18 v2 人工智能
摘要
从社交媒体数据流中检测事件逐渐引起研究者的关注。检测事件的内在挑战是从社交媒体数据中提取判别性信息，从而将数据分配到不同事件中。由于社交数据的过度多样性和高更新频率，使用监督方法从社交消息中检测事件几乎难以实现。为此，近期工作探索通过利用图对比学习（GCL）和嵌入聚类以无监督方式从社交消息中学习判别性信息。然而，基准方法中存在两个固有问题：传统GCL只能粗略探索部分属性，从而不足以学习社交消息的判别性信息；对于基准方法，学习到的嵌入在潜在空间中利用某些特定的先验知识进行聚类，这与无监督学习范式的原则相冲突。本文提出了一种新颖的无监督社交媒体事件检测方法，通过混合图对比学习和强化增量聚类（HCRC），使用混合图对比学习全面学习社交消息中的语义和结构判别性信息，并使用强化增量聚类在严格无监督方式下进行高效聚类。我们在Twitter和Maven数据集上进行了全面实验。实验结果表明，我们的方法一致地取得了显著的性能提升。在传统增量设置、半监督增量设置和严格无监督设置下，模型性能分别实现了最大53%、45%和37%的提升。
引用
@article{arxiv.2312.08374,
title = {Unsupervised Social Event Detection via Hybrid Graph Contrastive Learning and Reinforced Incremental Clustering},
author = {Yuanyuan Guo and Zehua Zang and Hang Gao and Xiao Xu and Rui Wang and Lixiang Liu and Jiangmeng Li},
journal= {arXiv preprint arXiv:2312.08374},
year = {2023}
}
备注
Accepted by Knowledge-Based Systems