10、在线社交事件检测与有向社交网络嵌入的相似性搜索

在线社交事件检测与有向社交网络嵌入的相似性搜索

1. 在线社交事件检测

1.1 FS - GNN模型介绍

在社交消息流处理中，提出了一种名为FS - GNN的新模型。该模型将过滤策略与图神经网络（GNN）相结合，能够有效利用社交消息流中丰富的语义和结构信息，同时过滤掉有害的噪声节点。

1.2 信息补充窗口的作用

在增量场景下，引入信息补充窗口可以更有效地弥补消息之间信息的不足。通过这种方式，在保证事件检测稳定性的同时，能取得良好的检测效果。

1.3 实验结果分析

实验通过多个基线模型进行对比，评估指标采用了标准化互信息（NMI）和调整互信息（AMI）。从实验数据（如下表所示）可以看出，FS - GNN在不同阶段的这些指标上都表现出了更好的值，证明了其相对于基线模型的优越性。不过，在某些消息块（如M7和M8）中，其精度较低。原因在于信息补充窗口在增量阶段工作时，这两个消息块跨天的信息较少，窗口错误地将不必要的节点作为缺失信息添加到消息图中，导致了精度损失。

Blocks	M1	M2	M3	M4	M5	M6	M7
EventX	0.06	0.28	0.17