9-2热点挖掘与应用.pdf

《9-2热点挖掘与应用.pdf》由会员分享，可在线阅读，更多相关《9-2热点挖掘与应用.pdf（17页珍藏版）》请在三个皮匠报告上搜索。

1、YOUR LOGO 热点挖掘及应用 罗锦文 项目背景 相关研究方法 热点计算框架 热点挖掘 热点应用 分享大纲 项目背景 热点应用场景 话题榜单事件讨论事件榜单热点推荐事件脉络 热点推荐核心问题 1.及时性问题 科比去世的新闻能否及时推送？ 2.全面性问题 “南宁一工厂发生火灾” 是否 在事件库？ 3.热度合理性问题 微博热榜“钱峰又胖了”仅 有少量报道，热度值计算是 否合理 ？ 4.分发效率问题 “北京朝阳区疫情风险级别定为高风险” 阅读量为什么这么少？ 结论：热点推荐没有从事件的角 度理解文章 相关研究方法 事件抽取 任务定义 1.事件检测：识别触发词、 分类事件类型 2.事件要素提取：识

2、别事 件要素、分类要素角色 问题点 1.事件抽取针对原子事件， 通常不可再分 2.需要预定义事件框架， 对事件类型覆盖有限 Trigger身亡(Die event) Arguments Role=Victim科比布莱恩 Role=Time凌晨4点 ? ? ? Trigger Time Victim 话题检测与追踪（TDT） 话题检测：检测和组织系统中未预先设 定的话题 话题追踪：判断新到达的报道是否是系 统中已知话题的后续报道 突发事件检测 ：突发特征是指伴随着事 件的发生，若干与该事件密切相关的特征 出现反常现象 热点计算框架 搜索数据 信息流内容 PUSH爬取 榜单爬取 离 线 挖 掘 总

3、框架 话题挖掘 定 时 任 务 基于点击的话题挖掘 基于时序的话题挖掘 基于聚类的话题挖掘 流 式 任 务 事件挖掘 事件型文章判定 事件抽取 话题解析 话题融合 话题热度融合 （消费热+生产热+全局热） 话题库 事件拆解 事件命名 事件热度预测 事件库 文章 在 线 理 解 事件型文章判定事件匹配兴趣话题 话题融合 事件拆分 热点挖掘 QueryLog热点挖掘 方法 NHM (Our) NM (ED) LETD (BRD) TED (BRD) 准确 95.50%78.00 % 91.20%83.00% 召回 47.00%35.20 % 41.10%35.20% F1均值 63.00%48.51 % 56.66%49.43% 及时性+1.3 h+2 h+1.6 h+1.7 h 预处理：构造 Query时序数据 事件识别：在热 门话题中识别事 件 & 命名 热门识别：时序 分析，识别热门 Q