社會(huì)化數(shù)據(jù)的時(shí)序分析與處理研究.pdf

1、在最近幾年社會(huì)化應(yīng)用和移動(dòng)智能端快速普及的浪潮中,海量、實(shí)時(shí)的由億萬(wàn)用戶(hù)提供的社會(huì)化數(shù)據(jù)呈現(xiàn)出一種爆炸式的增長(zhǎng)。數(shù)十億用戶(hù)依托各類(lèi)新的社會(huì)化服務(wù)來(lái)實(shí)現(xiàn)網(wǎng)絡(luò)交友、信息閱讀、購(gòu)物娛樂(lè)、社交溝通和生活記錄等需求并生成了大量數(shù)據(jù)。這些數(shù)據(jù)也接入社會(huì)網(wǎng)絡(luò)載體實(shí)現(xiàn)了大范圍的迅速傳播。本文關(guān)注社交數(shù)據(jù)上時(shí)序信息角度的抽取分析以及查詢(xún)處理等問(wèn)題。有效的時(shí)序信息管理不僅有助于對(duì)這類(lèi)新的網(wǎng)上社會(huì)化數(shù)據(jù)的收集和處理,同時(shí)也是各類(lèi)面向用戶(hù)的數(shù)據(jù)服務(wù)應(yīng)用的重要基

2、礎(chǔ)。
　　時(shí)序信息的處理是應(yīng)對(duì)各種增量和更新場(chǎng)景的重要數(shù)據(jù)管理分支。相比以往的數(shù)據(jù),社會(huì)化的時(shí)序信息的變化快速,包含更多的社會(huì)化特征以及具備豐富的用戶(hù)交互等輸入,都對(duì)數(shù)據(jù)的抽取和管理的傳統(tǒng)視角帶來(lái)諸多挑戰(zhàn)?；谶@些社會(huì)化數(shù)據(jù)的動(dòng)態(tài)特征和用戶(hù)行為,本文對(duì)時(shí)序信息開(kāi)展了一系列從抽取、關(guān)聯(lián)到查詢(xún)理解等的研究工作,并開(kāi)發(fā)和設(shè)計(jì)了一些模型算法。研究主要從三個(gè)方面順次展開(kāi):
　　1.時(shí)序信息的抽取呈現(xiàn):在設(shè)定的時(shí)序特征抽取任務(wù)中,本文提

3、出一種基于多類(lèi)社會(huì)化輸入的抽取模型,通過(guò)新的指導(dǎo)學(xué)習(xí)架構(gòu)來(lái)實(shí)現(xiàn)自動(dòng)化的抽取。我們提出了一個(gè)整合的圖上結(jié)構(gòu)來(lái)表示抽取得到的相關(guān)時(shí)序信息。為實(shí)現(xiàn)這個(gè)綜合語(yǔ)義關(guān)聯(lián)和時(shí)序更新的抽取目標(biāo),我們通過(guò)綜合一系列的圖上關(guān)聯(lián)度指標(biāo),并拓展了一個(gè)圖上劃分的方法,使得可以把抽取問(wèn)題轉(zhuǎn)換為圖聚類(lèi)的問(wèn)題來(lái)進(jìn)行處理。在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)也表明了這個(gè)算法能夠更好地構(gòu)建時(shí)序特征,并有效呈現(xiàn)時(shí)序熱點(diǎn)等信息。
　　2.時(shí)序信息的關(guān)聯(lián)發(fā)現(xiàn):在社交數(shù)據(jù)的時(shí)序變遷環(huán)節(jié)中,

4、本文通過(guò)轉(zhuǎn)發(fā)和評(píng)論等用戶(hù)的信息分享和傳播行為來(lái)識(shí)別話題演化變遷的關(guān)聯(lián)信息。我們提出了一系列的內(nèi)存摘要索引結(jié)構(gòu)和優(yōu)化維護(hù)策略等來(lái)支持社會(huì)化數(shù)據(jù)上短文本的近似匹配和關(guān)聯(lián)結(jié)構(gòu)發(fā)現(xiàn)等工作,同時(shí)利用一些拓展的快速匹配方法來(lái)加速處理過(guò)程。在幾類(lèi)數(shù)據(jù)上的實(shí)驗(yàn)也驗(yàn)證了這類(lèi)抽取的有效性,以及對(duì)實(shí)時(shí)更新等新場(chǎng)景的支持。
　　3.時(shí)序信息的查詢(xún)處理:社交數(shù)據(jù)來(lái)源于終端用戶(hù),也同時(shí)需要反饋給終端用戶(hù)。這里針對(duì)時(shí)序數(shù)據(jù)普遍存在的關(guān)聯(lián)性因素和時(shí)序更新等問(wèn)題,