[发明专利]社交网络事件时序关系分析方法

说明书

本发明公开了一种社交网络事件时序关系分析方法，其包括获取事件检测结果数据，事件短文本簇时间序列抽取，时间序列动态调整，构建分位数‑分位数图，进行事件时序关系分析。本发明首先对事件短文本簇集合进行事件短文本簇时间序列抽取，并采用动态时间规整算法对事件的时间序列进行匹配，然后根据匹配的结果定量计算事件短文本簇之间的时序对应关系的时序距离，并通过分位数‑分位数图可视化的方法定性分析得到事件短文本簇之间的时序关系，能够显著提升社交网络中事件时间序列关系的识别精度。

技术领域

本发明属于事件检测与追踪技术领域，具体涉及一种社交网络事件时序关系分析方法。

背景技术

话题检测与追踪(TDT)技术源自早期的事件检测与追踪(EDT)技术。最初的TDT研究将话题定义为事件。事件最初被描述为发生在特定事件和地点的事情。随着TDT技术的发展，话题的定义变得更加广泛。话题不仅仅包含由最初事件引起或导致发生的后续事件，同时还包含了与其相关的其他事件或活动。TDT对话题的定义为：一个话题由一个种子事件或者活动以及与其直接相关的事件或活动组成。TDT的任务包括面向新闻类报道的切分任务、面向已知话题的跟踪任务、面向未知话题的检测任务、对未知话题首次相关报道的检测任务、以及报道见相关性的检测任务。

事件演化分析是话题检测与追踪技术的一个子任务。事件演化分析的目标是对一个话题下事件之间的关系进行刻画，并构建事件关系模型，最终进行演化分析。随着Web2.0技术的发展与进步，社交网络变得越来越庞大，信息量也变得越来越丰富。以推特、微博等社交网络平台越来越成为了人们进行互动的重要方式。传统的新闻报道也纷纷通过这些社交网络平台进行新闻发布与消息传递。通过社交平台人们可以发表自己的看法与转发感兴趣的话题，而这些话题中包含了一些重要的信息。因此，对社交网络的信息进行提取与分析是一个很有意义的课题。

在社交网络事件的表达上，学术界尚未有事件的准确定义。事件起初被描述为特定时间特定地点发生的事情。随着研究的深入，事件被描述为特定时间特定地点发生的事情，并且事情发生需要一些必备的先决条件并产生一些无可避免的后果。但事件的准确定义在学术界尚有争议。研究人员在社交网络事件的研究过程中，将事件组织为文本集合，即认为事件是一系列文本构成。这些文本包括了创建时间，文本内容，文本数目等信息。通过事件检测，文本聚类等技术将相似文本聚成一个个簇，然后基于文本簇对事件进行分析。

目前的事件演化分析技术主要有事件关系刻画与事件演化图的构建。事件关系的刻画方法主要包括了事件的时序关系构建、事件的文本内容关系构建，以及事件的空间关系构建。而时序关系的构建基于事件发生的时间先后关系和发生时间的距离。Allen对时序关系进行了深入研究，并将时序关系按照时间分布的区间进行分析，定义了8类主要的时序关系。

根据Allen定义的时序关系，可以对两个时间区间进行时序分析。但由于社交网络短文本信息本身存在一定的噪声，导致事件检测方法得出的结果有可能不够准确。另外，由于事件是通过短文本的文档创建时间(DCT)进行表达的。但由于人们发布短文本的时间可能并不是实时的，也即事件的真正的发生时间同文档创建时间并不完全一致。这使得包含文本信息的事件的开始时间和结束时间本身可能不准确。因此，仅仅根据事件文本集合的开始时间和结束时间分析事件之间的时序关系会产生很大的偏差。

在社交网络事件时序关系的研究中，现有的方法有基于文档创建时间的时序关系分析、基于时间表达式提取时序分析方法，以及基于时间分布模型的时序关系分析方法。

基于文档创建时间的时序关系分析方法主要根据事件发生的时间区间进行比较。该方法直接利用文档创建时间进行比较，根据Allen提出的8类主要的时间序列的区间关系，选择时间点基准进行比较。常用的时间点基准有时间区间的第一个时间点，并认为其为事件的开始时间。该方法在事件时间序列同文档创建时间高度一致的情形下是适用的。然而，对于社交网络事件时间序列含噪的情形，该方法得到的结果是不准确的。