广告

基于事件演化图的流行病事件分析

会议论文
  • 4下载
部分网络与系统课堂讲稿“,丛书(LNNS,第279卷)

摘要

本文通过分析新冠肺炎疫情新闻报道的特点,从文本中提取事件祖先对,通过基于注意力的双向LSTM提取事件之间的关系,并以EEG模型的形式进行展示,有利于疫情事件的演化分析。本文提出的方法为网络事件的演化提供了一种新的思路。构建的事件图可以清晰地显示网络事件的演变路径,监测网络事件的关键节点,协助相关管理部门制定相应的措施,引导事件正向发展。

笔记

确认

国家重点研发计划项目(项目号2018YFC0806903)、公安部科技部基础工作项目(项目号2019GABJC20)、公安部信息网络安全重点实验室C19600(公安部第三研究所)资助。

参考文献

  1. 1.
    李志,赵生,丁晓霞,刘涛:EEG:事件演化原理与模式知识库。:程,X。,妈,W,刘,H,沈,H,冯,年代,谢,X (eds)。SMP 2017。CCIS,第774卷,第40-52页。beplay登入施普林格,新加坡(2017)。https://doi.org/10.1007/978-981-10-6805-8_4 CrossRef谷歌学者
  2. 2.
    夏洛特,R.,蒂博,E.,奥利维尔,F.:使用维基数据利用的事件知识图表搜索新闻文章。在:国际万维网会议委员会(2019年)。谷歌学者
  3. 3.
    刘敏,王志强,涂志强:基于事件演化图的跨界服务现象分析。见:Liu, X., et al.(编)ICSOC 2018。LNCS, vol. 11434, pp. 407-412。beplay登入施普林格,Cham(2019)。https://doi.org/10.1007/978-3-030-17642-6_35 CrossRef谷歌学者
  4. 4.
    王宏,朱宏,云清,王浩:航空事故因果关系事件演化图的构建。见:第五届国际交通信息与安全会议,第692-697页(2019年)谷歌学者
  5. 5.
    刘旭,宋庆忠,彭洲洲:基于深度学习的关系抽取。见:IEEE/ACIS第17届计算机与信息科学国际会议,第687-691页(2018)谷歌学者
  6. 6.
    席特哈尔塔,B.,科斯塔斯,T.:在远程监督数据集上使用多编码器LSTM网络进行关系提取。见:IEEE第12届语义计算国际会议,第235-238页(2018)谷歌学者
  7. 7.
    蔡均,L., Ho-Jin, C.:基于lstm的韩语文本时间关系提取模型。见:IEEE大数据与智能计算国际会议,pp. 666-668 (2018)谷歌学者
  8. 8.
    梁志,李爱军,李颖毅:汉语因果关系:连接、顺序与重音分配。见:第11届汉语口语处理国际研讨会,第339-343页(2018)谷歌学者
  9. 9.
    李文Z,吉庆H,自强S:从语义邻居学习时间关系进行声场景分类。IEEE信号处理。列托人。27, 950-954 (2020)CrossRef谷歌学者

版权信息

©作者(s)根据施普林格Nature Switzerland AG 2022独家授权beplay登入

作者及隶属关系

  1. 1.公安部第三研究所上海中国

个性化推荐