社會化數(shù)據(jù)的時序分析與處理研究.pdf

1、在最近幾年社會化應用和移動智能端快速普及的浪潮中,海量、實時的由億萬用戶提供的社會化數(shù)據(jù)呈現(xiàn)出一種爆炸式的增長。數(shù)十億用戶依托各類新的社會化服務來實現(xiàn)網(wǎng)絡交友、信息閱讀、購物娛樂、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)也接入社會網(wǎng)絡載體實現(xiàn)了大范圍的迅速傳播。本文關(guān)注社交數(shù)據(jù)上時序信息角度的抽取分析以及查詢處理等問題。有效的時序信息管理不僅有助于對這類新的網(wǎng)上社會化數(shù)據(jù)的收集和處理,同時也是各類面向用戶的數(shù)據(jù)服務應用的重要基

2、礎(chǔ)。
　　時序信息的處理是應對各種增量和更新場景的重要數(shù)據(jù)管理分支。相比以往的數(shù)據(jù),社會化的時序信息的變化快速,包含更多的社會化特征以及具備豐富的用戶交互等輸入,都對數(shù)據(jù)的抽取和管理的傳統(tǒng)視角帶來諸多挑戰(zhàn)?；谶@些社會化數(shù)據(jù)的動態(tài)特征和用戶行為,本文對時序信息開展了一系列從抽取、關(guān)聯(lián)到查詢理解等的研究工作,并開發(fā)和設計了一些模型算法。研究主要從三個方面順次展開:
　　1.時序信息的抽取呈現(xiàn):在設定的時序特征抽取任務中,本文提

3、出一種基于多類社會化輸入的抽取模型,通過新的指導學習架構(gòu)來實現(xiàn)自動化的抽取。我們提出了一個整合的圖上結(jié)構(gòu)來表示抽取得到的相關(guān)時序信息。為實現(xiàn)這個綜合語義關(guān)聯(lián)和時序更新的抽取目標,我們通過綜合一系列的圖上關(guān)聯(lián)度指標,并拓展了一個圖上劃分的方法,使得可以把抽取問題轉(zhuǎn)換為圖聚類的問題來進行處理。在真實數(shù)據(jù)集上的實驗也表明了這個算法能夠更好地構(gòu)建時序特征,并有效呈現(xiàn)時序熱點等信息。
　　2.時序信息的關(guān)聯(lián)發(fā)現(xiàn):在社交數(shù)據(jù)的時序變遷環(huán)節(jié)中,

4、本文通過轉(zhuǎn)發(fā)和評論等用戶的信息分享和傳播行為來識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)化維護策略等來支持社會化數(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,同時利用一些拓展的快速匹配方法來加速處理過程。在幾類數(shù)據(jù)上的實驗也驗證了這類抽取的有效性,以及對實時更新等新場景的支持。
　　3.時序信息的查詢處理:社交數(shù)據(jù)來源于終端用戶,也同時需要反饋給終端用戶。這里針對時序數(shù)據(jù)普遍存在的關(guān)聯(lián)性因素和時序更新等問題,