社交網(wǎng)絡的數(shù)據(jù)中蘊含著大量有關現(xiàn)實中各種事件的信息。使用異常事件檢測模型準確及時地發(fā)現(xiàn)社交網(wǎng)絡上傳播的異常事件信息,對于實現(xiàn)智慧城市感知社會異常動態(tài)事件,有效提高社會管理應對效率具有關鍵作用。本文定義了基于社交網(wǎng)絡的有權無向圖,根據(jù)異常事件的特征對社交網(wǎng)絡中事件進行了主題分類和篩選,構建了一個基于分層社區(qū)的異常事件檢測模型,從而可以實現(xiàn)對城市區(qū)域異常事件的檢測。 

【文章來源】：電腦知識與技術. 2020,16(04)

【文章頁數(shù)】：3 頁

【文章目錄】：
1 概述
2 異常事件檢測
3 異常事件檢測模型
    3.1 基本概念
    3.2 基于詞頻組共現(xiàn)關系的有向加權圖
    3.3 分層社區(qū)的耦合程度
    3.4 基于分層社區(qū)的事件檢測
4 結束語


【參考文獻】：
期刊論文
[1]基于圖像語義的用戶興趣建模[J]. 曾金,陸偉,丁恒,陳海華.  數(shù)據(jù)分析與知識發(fā)現(xiàn). 2017(04)
[2]基于突發(fā)主題詞和凝聚式層次聚類的微博突發(fā)事件檢測研究[J]. 丁晟春,龔思蘭,李紅梅.  現(xiàn)代圖書情報技術. 2016(Z1)
[3]微博信息傳播預測研究綜述[J]. 李洋,陳毅恒,劉挺.  軟件學報. 2016(02)
[4]多媒體微博評論信息的主題發(fā)現(xiàn)算法研究[J]. 葉川,馬靜.  現(xiàn)代圖書情報技術. 2015(11)
[5]微博中熱點話題的內(nèi)容特質及傳播機制研究——基于新浪微博6025條高轉發(fā)微博的數(shù)據(jù)挖掘分析[J]. 李彪.  中國人民大學學報. 2013(05)



本文編號：3227753