- 1、本文档共37页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
TREND 烂ND 燛VENT 燚ETECTION .PDF
TREND AND EVENT DETECTION
IN SOCIAL STREAMS
Kostas Tsioutsiouliklis
@kostas
September 2012
Outline
• Trending topic detecon
1) Simple counng
2) Chi-square test
3) Topic-specific models
• Event detecon
1) Online clustering
2) Online clustering using MinHash
• Natural language processing for tweets
st
1 approach: Simple Counng
• 400M tweets per day, or 4600 tweets per sec
Tokenizaon, phrase extracon
• What is a topic?
• n-gram
– Simple, low precision/high recall, large space
• Diconary-based phrases (wikipedia entries, named enes)
– Simple, high precision/low recall, stale
• Noun-phrases (NP) extracted via part-of-speech tagging
– Difficult for short texts
Term frequencies
• Tokenize text and count term frequencies
• Assume, for now, unigrams
Term Count
Obama 1
Detours 1
… …
Hurricane 1
… …
Term Count
Obama 1
Detours 1
… …
Hurricane 2
文档评论(0)