一种基于CNN-RNN的社交媒体中突发事件感知方法

摘要：

针对传统社交媒体信息感知中过度依赖语义及社会网络信息的问题,提出一种基于CNN与RNN融合的社交媒体中突发事件的感知方法.该方法在定义社交媒体中时空语义问题的基础上,构建融合CNN-RNN的突发事件感知模型,通过多层CNN网络对社交消息按照主题进行聚类,然后将同一主题的消息按照时间序列输入RNN循环网络单元,当事件消息传播到一定范围或一定时长时,RNN输出相应突发事件主题,并通过地理位置匹配找到现场用户发出的源消息,对这些源消息进行事件画像以实现对突发事件的感知.实验结果表明,与传统基于语义和社会网络信息的方法相比,本文方法不需要构建复杂的社会网络模型,不依赖于语义信息检索,F1值达到93.4％,能够快速实现对突发事件的精准感知.

关键词：卷积神经网络、循环神经网络、社交媒体、突发事件

所属期刊栏目：43

分类号：TP3-0(计算技术、计算机技术)

资助基金：科技部"科技助力经济2020"重点专项SQ2020YFF0403641

在线出版日期：2021-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：97-105