[发明专利]一种融合知识的社交网络流式事件检测系统

权利要求书

1.一种融合知识的社交网络流式事件检测系统，其特征在于，其中神经网络处理数据的方法包括：

从事件数据中提取多种类别的关键词，其中，所述多种类别的关键词以及所述事件本身构成异构网络中的节点，所述多种类别的关键词以及所述事件之间的联系构成异构网络的边；

从所述异构网络中选择多种元路径，将在异构网络中按照各种元路径进行随机游走得到路径作为语料；

将基础数据得到所述语料输入到轻量循环神经网络Streaming lightRNN中进行训练，得到事件的嵌入表示，以及Streaming lightRNN中行列的嵌入表示；对于流式事件中新增加的数据，单独获得所述流式事件的随机游走得到的语料，并输入至训练好的StreaminglightRNN中进行增量训练，得到所述新增加的数据的嵌入表示以及新的StreaminglightRNN行列的嵌入表示；

基于所述嵌入表示计算事件之间的相似度。

2.根据权利要求1所述的社交网络流式事件检测系统，其特征在于，所述从事件数据中提取多种类别的关键词，包括：

从事件数据中提取如下关键词：实体entity、词word、以及主题topic、元素element、用户user。

3.根据权利要求2所述的社交网络流式事件检测系统，其特征在于，根据所述异构网络，构建如下元路径：

event-entity-event；

event-word-event；

event-topic-event；

event-user-event；

event-entity-entity-event；

event-word-word-event；

event-topic-topic-event；

event-user-user-event；

event-entity-word-event；

event-word-topic-event；

event-entity-entity-entity-event；

event-word-word-word-event；

event-topic-topic-topic-event；

event-user-user-user-event；

event-entity-entity-word-event；

event-entity-word-entity-event；

event-word-word-entity-event；

event-word-word-topic-event；

event-word-topic-word-event；

event-topic-topic-word-event；

event-word-entity-word-event；

event-topic-word-topic-event。

4.根据权利要求1所述的社交网络流式事件检测系统，其特征在于，所述StreaminglightRNN采用单词之间共享行列嵌入表示，通过所述Streaming lightRNN对所述语料进行训练后，得到各个单词的行列嵌入表示；

其中，在得到各个单词的行列嵌入表示后，所述Streaming lightRNN能够使用最大流进行单词之间的位置变换。

5.根据权利要求1所述的社交网络流式事件检测系统，其特征在于，流式StreamingLightRNN训练的损失函数与静态Streaming LightRNN训练的损失函数不同。