本發(fā)明涉及一種多線索社會事件總結(jié)方法，特別涉及一種基于用戶發(fā)帖行為模式的多線索社會事件總結(jié)方法。

背景技術(shù)：

近年來，隨著社交媒體，如微博，Twitter等為代表的社交網(wǎng)絡(luò)的快速發(fā)展，基于社交媒體數(shù)據(jù)進(jìn)行社會事件總結(jié)的工作受到了越來越多的研究人員的關(guān)注。當(dāng)某一社會事件發(fā)生時，會有大量的用戶在第一時間通過社交網(wǎng)絡(luò)發(fā)布相關(guān)的信息，進(jìn)行相關(guān)的討論，這里往往還包含了許多目擊者或是現(xiàn)場的第一手信息。與傳統(tǒng)媒體相比，社交媒體發(fā)布的信息更全面，然而，由于未經(jīng)過專業(yè)編輯的整理過濾，這些信息往往是雜亂的。因此，需要通過有效地措施對這些社交媒體信息進(jìn)行整理過濾，以得到清晰的結(jié)果用于社會事件總結(jié)，為人們了解社會事件提供有價值的參考。

專利CN1710563提出了一種重要新聞事件檢測和摘要的方法，該專利主要面向新聞視頻數(shù)據(jù)，將多個電視臺或電視頻道的新聞視頻數(shù)據(jù)庫里，自動檢測重要新聞，并按照重要度從高到低形成用戶指定時間的新聞?wù)?。專利CN104850606A公開了一種移動群智感知社會事件的總結(jié)方法，利用Tucker張量分解和K-means聚類分析對社會事件進(jìn)行總結(jié)。專利CN104182504A公開了一種新聞事件的動態(tài)跟蹤和總結(jié)算法，采用社區(qū)發(fā)現(xiàn)算法從詞共現(xiàn)圖中提取與新聞事件相關(guān)的多個主題，對主題集合中的每個主題按照發(fā)生時間，從所對應(yīng)的句子組序列中獲得與各自主題相對應(yīng)的摘要集合,從而生成與各自主題相對應(yīng)的總結(jié)。這些專利的不足之處就是忽略了社會事件中有多個線索，每個線索都有自己的發(fā)展情況。比如在天津大爆炸事件中，有救援情況的線索，有清理事故現(xiàn)場的線索，有受災(zāi)群眾安置的線索等。只有區(qū)分這些線索才可以得到一個清晰可讀的社會事件總結(jié)，便于用戶了解社會事件不同方面的發(fā)展概況。

技術(shù)實(shí)現(xiàn)要素：

為了克服現(xiàn)有多線索社會事件總結(jié)方法實(shí)用性差的不足，本發(fā)明提供一種基于用戶發(fā)帖行為模式的多線索社會事件總結(jié)方法。該方法根據(jù)相關(guān)的關(guān)鍵字獲得社交網(wǎng)絡(luò)中與該事件相關(guān)的微博，提取微博中的正文以及時間字段，對正文進(jìn)行預(yù)處理。根據(jù)時間字段構(gòu)建表示用戶發(fā)帖行為模式的圖模型T。根據(jù)正文內(nèi)容構(gòu)建表示微博內(nèi)容相似性的圖模型A。識別圖模型T中的所有連通子圖，每一個連通子圖代表事件發(fā)展的不同階段。識別圖模型A中的所有連通子圖，每一個連通子圖代表事件中的不同線索。冗余信息剔除，得到有發(fā)展脈絡(luò)的多線索社會事件總結(jié)。本發(fā)明根據(jù)用戶發(fā)帖的行為模式能夠更加全面的考慮社會事件中不同線索的內(nèi)部發(fā)展，從而獲得更細(xì)粒度的社會事件總結(jié)，反映事件的動態(tài)發(fā)展及變化，實(shí)用性強(qiáng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案：一種基于用戶發(fā)帖行為模式的多線索社會事件總結(jié)方法，其特點(diǎn)是包括以下步驟：

步驟一、當(dāng)一個社會事件發(fā)生后，根據(jù)相關(guān)的關(guān)鍵字利用網(wǎng)絡(luò)爬蟲獲得社交網(wǎng)絡(luò)中與該社會事件相關(guān)的微博，提取微博中的正文以及時間字段，對正文進(jìn)行分詞預(yù)處理，過濾無用的停止詞。

步驟二、根據(jù)時間字段計算不同微博間的發(fā)布時間間隔，以微博作為節(jié)點(diǎn)，根據(jù)微博間的發(fā)布時間間隔構(gòu)建邊，若時間間隔小于2.4小時，則兩個節(jié)點(diǎn)間有一條邊，以此構(gòu)建表示用戶發(fā)帖行為模式的圖模型T。

步驟三、利用TF-IDF計算正文內(nèi)容中的關(guān)鍵詞，根據(jù)關(guān)鍵詞構(gòu)建文本向量，利用余弦距離計算不同微博的文本向量的距離，以微博作為節(jié)點(diǎn)，根據(jù)微博間文本向量的距離構(gòu)建邊，若文本向量距離大于0.5，則兩個節(jié)點(diǎn)間有一條邊，以此構(gòu)建表示微博內(nèi)容相似性的圖模型A。

步驟四、利用深度優(yōu)先算法搜索圖模型T中的所有連通子圖，不同的連通子圖代表事件的不同發(fā)展階段，同一個連通子圖中的微博涉及相同的發(fā)展階段。

步驟五、利用深度優(yōu)先算法搜索圖模型A中的所有連通子圖，不同的連通子圖代表事件的不同線索，同一個連通子圖中的微博涉及相同的線索。

步驟六、根據(jù)步驟四得到事件的不同發(fā)展階段涉及的微博，根據(jù)步驟五得到事件的不同線索涉及的微博，將步驟五的結(jié)果映射至步驟四的結(jié)果上，得到在同一線索中微博的階段分布，即得到線索的內(nèi)部發(fā)展，進(jìn)而得到有發(fā)展脈絡(luò)的多線索社會事件總結(jié)。

步驟七、利用貪心算法使子模性函數(shù)最大化以剔除線索中的冗余信息，得到有發(fā)展脈絡(luò)的多線索社會事件總結(jié)。

其中，子模性函數(shù)為，

$f\left(S\right)={\mathrm{\Σ}}_{i\∈V\backslash S}\underset{j\∈S}{\mathrm{\Σ}}sim(i,j)-\mathrm{\λ}\underset{i,j\∈S:i\≠j}{\mathrm{\Σ}}sim(i,j)$

其中，V代表線索，S代表最后選中的微博，i,j代表微博，這個函數(shù)的意義就是使S中的微博信息覆蓋率最大，冗余率最小。利用貪心算法得到使該子模性函數(shù)最大化的微博集合S，即剔除了冗余信息后的線索。

本發(fā)明的有益效果是：該方法根據(jù)相關(guān)的關(guān)鍵字獲得社交網(wǎng)絡(luò)中與該事件相關(guān)的微博，提取微博中的正文以及時間字段，對正文進(jìn)行預(yù)處理。根據(jù)時間字段構(gòu)建表示用戶發(fā)帖行為模式的圖模型T。根據(jù)正文內(nèi)容構(gòu)建表示微博內(nèi)容相似性的圖模型A。識別圖模型T中的所有連通子圖，每一個連通子圖代表事件發(fā)展的不同階段。識別圖模型A中的所有連通子圖，每一個連通子圖代表事件中的不同線索。冗余信息剔除，得到有發(fā)展脈絡(luò)的多線索社會事件總結(jié)。本發(fā)明根據(jù)用戶發(fā)帖的行為模式能夠更加全面的考慮社會事件中不同線索的內(nèi)部發(fā)展，從而獲得更細(xì)粒度的社會事件總結(jié)，反映事件的動態(tài)發(fā)展及變化，實(shí)用性強(qiáng)。

下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作詳細(xì)說明。

附圖說明

圖1是本發(fā)明基于用戶發(fā)帖行為模式的多線索社會事件總結(jié)方法的流程圖。

具體實(shí)施方式

參照圖1。本發(fā)明基于用戶發(fā)帖行為模式的多線索社會事件總結(jié)方法具體步驟如下：

步驟1、根據(jù)關(guān)鍵字“天津塘沽大爆炸”利用網(wǎng)絡(luò)爬蟲獲得關(guān)于天津大爆炸事件的微博，提取微博中的正文內(nèi)容及時間字段，利用分詞工具對正文內(nèi)容進(jìn)行分詞并過濾停止詞。

步驟2、根據(jù)時間字段計算不同微博間的發(fā)布時間間隔，以微博作為節(jié)點(diǎn)，根據(jù)微博間的發(fā)布時間間隔構(gòu)建邊，若時間間隔小于2.4小時，則兩個節(jié)點(diǎn)間有一條邊，以此構(gòu)建表示用戶發(fā)帖行為模式的圖模型T。

步驟3、利用TF-IDF計算正文內(nèi)容中的關(guān)鍵詞，如消防員、震感、小區(qū)、事故現(xiàn)場等。根據(jù)關(guān)鍵詞構(gòu)建文本向量，利用余弦距離計算不同微博的文本向量的距離，以微博作為節(jié)點(diǎn)，根據(jù)微博間文本向量的距離構(gòu)建邊，若文本向量距離大于0.5，則兩個節(jié)點(diǎn)間有一條邊，以此構(gòu)建表示微博內(nèi)容相似性的圖模型A。

步驟4、利用深度優(yōu)先算法搜索圖模型T中的所有連通子圖S_T，不同的連通子圖代表事件的不同發(fā)展階段，同一個連通子圖中的微博涉及相同的發(fā)展階段。比如S_T1＝{a,b,c}，S_T2＝{d,e}，a,b,c,d,e分別代表五個不同的微博。

步驟5、利用深度優(yōu)先算法搜索圖模型A中的所有連通子圖S_A，不同的連通子圖代表事件的不同線索，同一個連通子圖中的微博涉及相同的線索。比如S_A1＝{a,d}，S_A2＝{b,c,e}。

步驟6、根據(jù)S_T1，S_T2，S_A1，S_A2，可以得知屬于線索A₁的微博a,d屬于兩個不同的發(fā)展階段，a∈S_T1，d∈S_T2，同理可以得知屬于線索A₂的微博b，c和e屬于兩個不同的發(fā)展階段b,c∈S_T1，e∈S_T2。由此，我們可以得知道該事件有兩個線索，線索A₁(a→d)，線索A₂(b→e，c→e)。

步驟7、根據(jù)子模性函數(shù)利用貪心算法剔除各線索中的冗余信息。經(jīng)過計算，發(fā)現(xiàn)線索A₂中c為冗余信息，則剔除c，最終的事件總結(jié)為，該事件包括線索A₁以及線索A₂，其內(nèi)部發(fā)展情況為線索A₁(a→d)，線索A₂(b→e)。