《表3 分层、多粒度的事件脉络分析方法总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于社交媒体的事件脉络挖掘研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

该框架首先基于位置聚类将文本流划分为不同的类簇，每个类簇以一个位置作为全局事件脉络的框架。其次，针对每个局部文档集，构造多视图并选择代表性的推文来代表事件，同时，采用Steiner树算法来平滑地生成本地事件脉络；最后，总结本地事件脉络作为全局的故事情节。然而，由于时间、空间、异构性和信息过载，大多数现有的故事情节仅基于文本数据，传递的信息有限，Yuan R等[62]介绍了一种多模态两层故事线生成框架。该模型采用生成式对抗网络来实现一个无监督的双语文档摘要模型。然后将图像和文本合并问题转化为多标签学习问题，利用卷积神经网络训练分类模型。最后，将双语文档和图像联合归纳并嵌入到一个两层的故事线生成框架中。针对分层多粒度的事件脉络生成问题，本文将现有的方法总结如表3所示。