控制与决策

作者：熊宇,张一飞,冯时,王大玲

单位：东北大学计算机科学与工程学院，沈阳110169,,东北大学计算机科学与工程学院，沈阳110169;教育部医学影像计算重点实验室，沈阳110169,,东北大学计算机科学与工程学院，沈阳110169;教育部医学影像计算重点实验室，沈阳110169,,东北大学计算机科学与工程学院，沈阳110169;教育部医学影像计算重点实验室，沈阳110169,

关键词：微博流;事件检测;事件跟踪;多模态;特征融合;深度学习

基金：国家自然科学基金项目(61772122).

作为一种重要的社会媒体平台,分析、检测并跟踪微博内重大社会事件可以及时提供舆论焦点.但因其碎片化、异构性和实时性,传统方法很难有效分析海量微博,为此,提出一种基于多模态特征深度融合的微博事件检测与跟踪框架.首先基于文本处理对微博事件进行标注;然后用多模态特征深度融合实现事件的检测与表示;最后利用基于时间平滑的图变换模型完成事件流的跟踪.在真实数据集上的实验表明,所提出的方法能有效检测和跟踪微博流事件.

来源：2019年第7期

《控制与决策》期刊编辑部

查看控制与决策杂志2019年第7期