[论文解读] Event-Radar: Real-time Local Event Detection System for Geo-Tagged Tweet Streams

Sibo Zhang, Yuan Cheng+1 more|arXiv (Cornell University)|Aug 19, 2017

Complex Network Analysis Techniques参考文献 32被引用 6

一句话总结

Event-Radar 提出了一种基于云的实时系统，通过改进的 GeoBurst 算法变体，从地理标签化推文流中检测本地事件。通过利用跨模态权威度量识别动态中心点，并持续将事件候选与历史摘要进行对比，该系统实现了低延迟、可扩展的新兴本地事件检测，同时在流处理过程中计算开销极小。

ABSTRACT

The local event detection is to use posting messages with geotags on social networks to reveal the related ongoing events and their locations. Recent studies have demonstrated that the geo-tagged tweet stream serves as an unprecedentedly valuable source for local event detection. Nevertheless, how to effectively extract local events from large geo-tagged tweet streams in real time remains challenging. A robust and efficient cloud-based real-time local event detection software system would benefit various aspects in the real-life society, from shopping recommendation for customer service providers to disaster alarming for emergency departments. We use the preliminary research GeoBurst as a starting point, which proposed a novel method to detect local events. GeoBurst+ leverages a novel cross-modal authority measure to identify several pivots in the query window. Such pivots reveal different geo-topical activities and naturally attract related tweets to form candidate events. It further summarises the continuous stream and compares the candidates against the historical summaries to pinpoint truly interesting local events. We mainly implement a website demonstration system Event-Radar with an improved algorithm to show the real-time local events online for public interests. Better still, as the query window shifts, our method can update the event list with little time cost, thus achieving continuous monitoring of the stream.

研究动机与目标

• 解决从高速地理标签化推文流中实时检测本地事件的挑战。
• 开发一种可扩展的基于云的系统，能够持续监控流式社交媒体数据。
• 在现有方法（如 GeoBurst）的基础上进行改进，提升事件检测的准确性和更新效率。
• 通过公开的网络演示系统实现实际部署，提升实用性。
• 通过及时检测事件，支持应急响应、客户服务和城市分析等应用。

提出的方法

• 系统使用滑动窗口机制处理连续的地理标签化推文流。
• 应用跨模态权威度量识别代表新兴地理主题活动的关键推文。
• 通过空间和主题上的接近性，将吸引至关键推文的推文分组形成事件候选。
• 系统维护过去事件模式的历史摘要以供对比。
• 随着查询窗口的移动，事件候选通过增量方式更新，计算量极小。
• 将当前候选与历史摘要进行对比，识别出真正新颖且有趣的本地事件。

实验结果

研究问题

• RQ1 如何从高容量的地理标签化推文流中实时检测本地事件？
• RQ2 哪些技术能够实现在连续流处理过程中高效且可扩展的事件检测，并保持低延迟？
• RQ3 如何识别关键推文以代表新兴的地理主题活动？
• RQ4 历史摘要在动态环境中在多大程度上能提升事件检测的准确性？
• RQ5 能否通过公开的网络界面有效演示一个实时系统，以实现实际应用？

主要发现

• 随着查询窗口滑动，系统实现了低延迟更新，能够以极低的时间成本持续监控推文流。
• 跨模态权威度量的使用有效识别出代表不同地理主题活动的关键推文。
• 通过将当前候选与历史摘要进行对比，事件检测的准确性得到提升，有效过滤了噪声和误报。
• 将 Event-Radar 实现为公开网络演示系统，证明了实时本地事件检测的可行性和实用性。
• 由于采用增量更新机制，该方法在流处理过程中计算开销显著降低，具有高效的可扩展性。
• 该系统通过检测及时且位置特定的事件，支持应急预警和客户服务等实际应用。