社会网络中非参数化如何进行事件演化分析

　　社会网络，如微博和Twitter，已经成为数十亿人关注事件的重要平台。人们不仅关注所发生的事情，更关注事件的演化。因此，监控社交网络中事件的发展是至关重要的。在新闻文章和短文本（社交网络中的文本）中有一些挖掘事件演化的研究。由于短文的形式比新闻文章短，适用于新闻文章的方法不能直接应用于社交网络。一些应用于短文本的方法不考虑语义信息，有些方法无法发现长期跨度事件的演化，特别是中间有间断的事件。鉴于此，我们提出了一种非参数的方法来发现事件演化（故事情节）。首先使用贝叶斯模型测量短文本的语义相关性。其次，使用基于嵌入表示的算法来生成长期和短期事件的故事线。我们进一步使用Dirichlet过程自动学习适当数量的主题。与其他方法相比，三个人工标记数据集的详细实验结果证明了我们方法的有效性。

　　社会网络已经成为人们分享和传播新闻的主流平台。社会网络每天都会产生大量的用户产生内容（User-Generated Contents）。对于UGC 流，人们很容易感到不知所措。因此迫切需要从社会网络自动生成事件的演化。

　　目前有挖掘事件演化的相关研究。这些研究可大致分成两类。一类是基于词相似度的方法。Pei 等人提取用基于子图的增量追踪框架追踪事件演化。该方法用Jaccard 相似度作为文本相似度的度量方式。词相似度基于文本重合的词越多，文本越相似的假设。这种假设在现实中有可能不成立。很多时候文本的相似度依赖于潜在的语义关联，而不是表面的词重合度。为弥补词相似度的不足，另一类基于隐式语义相似度的方法被提出。Kalyanam 等人用非负矩阵分解（NMF）捕捉事件随着时间的变化。该方法只能发现相邻时刻的事件的演化，不能发现长期跨度的事件演化。Zhou 等人提出一个无监督的贝叶斯模型（DSDM）提取故事情节的结构化表示和演化模式。DSDM 和NMF 捕捉文档级别的词共线模式。因为短文本中文档级别词共线的稀疏性，这些方法不能直接用于短文本中。

　　为解决上述方法存在的不足。我们提出一个非参数的方法构造社会网络中的事件演化。首先，我们

　　从微博中检测子事件。然后，我们提出一个非参数的方法提取子事件的隐式语义信息。最后我们基于子

　　事件的隐式语义信息生成事件演化。本文的主要贡献如下所示：

　　我们提出一个非参数化的概念图模型，Biterm Topic Model with Dirichlet Process （BTMDP），提取子事件的语义信息。

　　我们提出基于子事件语义信息的故事情节生成算法（LineGen）。

　　通过在三个数据集上的实验证明我们方法较已有方法的有效性。

　　本文的其余部分组织如下。首先，我们介绍相关工作。然后，我们介绍我们的方法。随之，我们展示实验与结果。最后，我们总结提出的方法并展望未来的工作。