89、环境事件检测与脉冲神经膜系统研究

环境事件检测与脉冲神经膜系统研究

1. 环境事件检测

1.1 情感分类

基于Ekman提出的六种情感类别，为了更详细的分类，我们在词库中加入了“good”。最终的情感类别分为七种：快乐、良好、愤怒、悲伤、恐惧、厌恶和惊讶。由于我们旨在检测由公众不满引发的环境事件，所以与环境事件相关的消息情感应该是负面的，我们可以过滤掉情感为正面的消息。为了验证这一假设，我们随机选取了70条与标记事件相关的消息，得到了七种情感类别的输出，并与相同数量的无关消息进行比较。结果显示，“快乐”的差异最为显著，与环境事件相关的消息中不包含任何“快乐”的词汇，这符合我们的常识。因此，我们将“属于快乐类别的情感词汇数量必须为零”作为过滤条件，即从扩展消息中过滤掉所有包含“快乐”词汇的消息。

1.2 实验

• 数据集和标签 ：检测2015年1月1日至7月31日青岛的环境事件，下载了2015年120,000名青岛活跃用户发布的微博。每天平均有60,000 - 80,000条微博帖子。环境事件结果通过与标记数据集进行验证，标记集由青岛环保局工作人员整理，来源包括青岛新闻、中国日报、青岛电视台在线直播、QTV2生活在线、城市新闻和青岛早报等。标记事件集的选取原则是先从这些来源中选择环境事件，由于并非所有环境事件都能在微博中体现，所以只选择在微博中有体现（相关微博消息数量超过4条）的标记事件集，标记事件的数量为23个。
• DQE ：领域专家指定的DQE初始关键词有谴责、污染、违规等。由于中文微博语义的多样性，在第一轮扩展中我们限制使用两个或更多关键词。将改进后的DQE应用于2015年1