隨著移動互聯(lián)網(wǎng)技術(shù)、智能終端和社交軟件等技術(shù)的進步,互聯(lián)網(wǎng)大數(shù)據(jù)已成為最具代表性的大數(shù)據(jù)。經(jīng)濟、文化、軍事和社會活動都強烈依賴于互聯(lián)網(wǎng)。妥善應(yīng)用網(wǎng)絡(luò)大數(shù)據(jù)在維護社會安全和穩(wěn)定中能夠發(fā)揮積極的作用。因此,研究網(wǎng)絡(luò)大數(shù)據(jù)環(huán)境下熱點事件提取與公共安全事件分級對維護社會安定、預(yù)防輿情擴散等有重要的意義。首先通過對社交網(wǎng)絡(luò)中的文本數(shù)據(jù)進行分析,計算熱度分?jǐn)?shù)、合并同義詞、計算增長趨勢,從網(wǎng)絡(luò)大數(shù)據(jù)文本中提取出熱門詞語。再進一步利用詞組的互信息和詞頻篩選事件表示能力更強的詞組,從網(wǎng)絡(luò)大數(shù)據(jù)中識別并提取熱點事件。然后結(jié)合公共安全事件在網(wǎng)絡(luò)中的傳播特點,定義了三個評價公共安全事件的指標(biāo):熱度、情感和敏感性,以此從已經(jīng)提取的熱點事件中將公共安全事件標(biāo)注出來。在此基礎(chǔ)上,將公共安全相關(guān)的數(shù)據(jù)和非公共安全數(shù)據(jù)使用包含固態(tài)盤和機械硬盤的混合存儲系統(tǒng)分別存放,解決數(shù)據(jù)的高效查詢問題。實驗表明,通過將公共安全事件評級方法和其它輿情發(fā)現(xiàn)算法進行比較,采用評級方法能將公共安全事件識別的精確率提高100.5%、召回率降低6.9%,精確率和召回率的綜合評價系數(shù)F1值提高45%。在后續(xù)的查詢訪問時,采用混合存儲系統(tǒng)比全部使用... 

【文章來源】：華中科技大學(xué)湖北省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：54 頁

【學(xué)位級別】：碩士

【部分圖文】：

RNN神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖 2-3 LSTM 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)自節(jié)點的遺忘消息由遺忘門 Sigmoid 確定，其中目前的傳入數(shù)據(jù) 果 1得到輸入信息。則在 1時刻 Sigmoid 的輸出為： = σ( ( 1 ) ) 息以單位狀態(tài)存儲，并且有兩方面內(nèi)容組成：（a）輸入門的輸出 層的輸出來替換數(shù)據(jù)。（b）來自 tanh 層的新創(chuàng)建的矢量 將以單位狀態(tài) 1* 用于遺忘信息和候選信息 的總和，來替換已有的單元 = σ( ( 1 ) ) = tanh( ( 1 ) ) = 1 出內(nèi)容由輸出門決定。首先通過 Sigmoid 層確定輸出單元狀態(tài)的數(shù)h 計算單元的狀態(tài)，使用這兩個結(jié)果的乘積作為輸出值。 = σ( ( ) ) = tanh( )

圖 3-9 LSTM 情感分析結(jié)果3.3.3 事件分級社交網(wǎng)絡(luò)中大數(shù)據(jù)中存在很多與公共安全事件無關(guān)的數(shù)據(jù)。公共安全事件的信息，具有很強的時效性，在事件發(fā)生期間，某些事件可能帶有很強的情感信息，特別是消極的情緒，這樣的事件更有可能會演化成公共安全事件。在社交網(wǎng)絡(luò)之中，存在著很多積極向上的事件，雖然對于這些事件來說，其熱度非常之高，是當(dāng)時的一個熱點事件，但不會演化成為威脅國家社會安全的公共安全事件。對于不同事件的分級，主要考慮到一下三個方面：情感分?jǐn)?shù)（Emotion Score，ES）、熱度分?jǐn)?shù)（Popularity Score，PS）和敏感性（Sensitive Score, SS）。事件等級計算公式為： = IR PR ER (3-11)其中 、 、 分別為每項因素的權(quán)重。當(dāng)事件等級 Level 大于閾值 T 時，則認(rèn)為該事件為公共安全事件。其評價指標(biāo)如圖 3-10 所示：熱度分?jǐn)?shù)是根據(jù)事件相關(guān)的信息數(shù)量和對應(yīng)事件的評論數(shù)來進行計算。以微博為

【參考文獻】：
期刊論文
[1]基于主題詞的微博熱點話題發(fā)現(xiàn)[J]. 葉成緒,楊萍,劉少鵬.  計算機應(yīng)用與軟件. 2016(02)
[2]大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述[J]. 程學(xué)旗,靳小龍,王元卓,郭嘉豐,張鐵贏,李國杰.  軟件學(xué)報. 2014(09)
[3]利用概率主題模型的微博熱點話題發(fā)現(xiàn)方法[J]. 米文麗,孫曰昕.  計算機系統(tǒng)應(yīng)用. 2014(08)
[4]基于發(fā)生周期的突發(fā)事件網(wǎng)絡(luò)輿情風(fēng)險評價指標(biāo)體系[J]. 張玉亮.  情報科學(xué). 2012(07)
[5]基于隱主題分析和文本聚類的微博客中新聞話題的發(fā)現(xiàn)[J]. 路榮,項亮,劉明榮,楊青.  模式識別與人工智能. 2012(03)
[6]基于三角模糊數(shù)的網(wǎng)絡(luò)輿情預(yù)警指標(biāo)體系構(gòu)建[J]. 劉毅.  統(tǒng)計與決策. 2012(02)
[7]基于MB-LDA模型的微博主題挖掘[J]. 張晨逸,孫建伶,丁軼群.  計算機研究與發(fā)展. 2011(10)
[8]LDA模型在話題追蹤中的應(yīng)用[J]. 張曉艷,王挺,梁曉波.  計算機科學(xué). 2011(S1)
[9]非常規(guī)突發(fā)事件網(wǎng)絡(luò)輿情熱度評價體系研究[J]. 張一文,齊佳音,方濱興,李欲曉.  情報科學(xué). 2011(09)
[10]突發(fā)事件網(wǎng)絡(luò)輿情安全評估指標(biāo)體系構(gòu)建[J]. 蘭月新.  情報雜志. 2011(07)

碩士論文
[1]基于Word2Vec主題提取的微博推薦[D]. 朱雪梅.北京理工大學(xué) 2014



本文編號：3252238