[发明专利]基于社会媒体平台上社会事件的跟踪方法

权利要求书

1.一种基于社会媒体平台上社会事件的跟踪方法，其特征在于，所述方法包括：

提取所述社会媒体平台上社会事件的文本和视觉信息特征；

基于提取的所述文本和视觉信息特征，利用基于事件的在线多模态跟踪方法，在线地建模多模态数据的社会事件，得到多模态的文本和视觉主题以及社会事件文档的特征表示；

利用所述多模态的文本和视觉主题以及所述社会事件文档的特征表示，并将所述基于事件的在线多模态跟踪方法集成到社会事件跟踪方法上，来进行社会事件跟踪。

2.根据权利要求1所述的方法，其特征在于，所述提取所述社会媒体平台上社会事件的文本和视觉信息特征，具体包括：

针对所述社会媒体平台上社会事件的文本信息，使用向量空间模型，并利用文本的上下文信息，提取所述文本特征；

针对所述社会媒体平台上社会事件的视觉信息，结合图像的结构信息，利用稀疏学习和字典学习，并基于词袋模型，提取所述视觉信息特征；其中，所述视觉信息包括所述图像的结构信息。

3.根据权利要求1所述的方法，其特征在于，所述基于提取的所述文本和视觉信息特征，利用基于事件的在线多模态跟踪方法，在线地建模多模态数据的社会事件，得到多模态的文本和视觉主题以及社会事件文档的特征表示，具体包括：

定义文档层的狄利克雷：

ψ_dj～G₀，π’_dj～Beta(1,α)，

${\mathrm{\π}}_{dj}={\mathrm{\π}}_{dj}^{,}{\Π}_{l=1}^{j-1}\left(1{-}_{dl}^{,}\right),G_d={\Σ}_{j=1}^{\mathrm{\∞}}{\mathrm{\π}}_{dj}{\mathrm{\δ}}_{{\mathrm{\ψ}}_{dj}};$

其中，所述ψ_dj表示所述社会事件文档的主题分布，所述表示全局的主题分布；所述G₀表示基础分布；所述Beta()表示服从贝塔分布；所述π’_dj和所述π’_dl表示每一所述社会事件文档的段棍构造比例；所述α表示尺度参数；所述π_dj表示文档主题的权重分布；所述l表示索引标记；所述t表示主题数目；所述G_d表示服从Dirichlet过程的随机分布；所述表示所述ψ_dj点的概率测度；所述c_dj表示指示变量，c_dj～Mult(β)；所述Mult()表示服从多项式分布；

通过所述文档层的狄利克雷定义，得到视觉-文本主题空间分布；

将所述视觉-文本主题空间分布作为已知先验，得到所述多模态的文本和视觉主题以及所述社会事件文档的所述特征表示。