《表1 跨媒介事件脉络挖掘方法总结》

  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

基于主题的融合方法指首先分别从不同的平台挖掘事件或主题，然后从主题或事件层面进行数据融合。例如，Wang S等[49]提出了一种无监督的框架从Twitter和Instagram上检测和追踪事件，该框架首先分别在这两个平台上检测事件，然后基于二分图和文本相似性将事件融合，并进一步追踪事件变化。Tiwari A等[50]针对Twitter、Instagram、Flickr等数据，提出了一种基于主题相似性的跨域事件融合方法。通过联合数据建模和链接的方法来分析跨媒介事件，并采用基于马尔可夫随机场（markov random fields，MRFs）的相似性度量方法将不同平台的主题跨时间间隔进行关联，同时利用平台间的显式链接进行参数学习与共享，该模型如图2所示。在该模型中，首先进行数据预处理，并应用主题建模方法来识别数据中的不同主题，将主题下的文本和视频内容统一表示为主题图的形式；随后基于MRFs测量两个主题图的相似度并合并相同时间间隔内的相似主题。最后将事件关键内容选择问题转化为一个多模态子模优化问题，并构建图形用户界面，向用户显示生成的事件脉络。针对社交媒体跨媒介条件下的事件脉络挖掘问题，本文对现有方法的总结如表1所示。