CN112069246B - 物理世界与网络世界中的事件演化过程集成的分析方法 - Google Patents
物理世界与网络世界中的事件演化过程集成的分析方法 Download PDFInfo
- Publication number
- CN112069246B CN112069246B CN202010935723.6A CN202010935723A CN112069246B CN 112069246 B CN112069246 B CN 112069246B CN 202010935723 A CN202010935723 A CN 202010935723A CN 112069246 B CN112069246 B CN 112069246B
- Authority
- CN
- China
- Prior art keywords
- world
- entity
- visual
- event
- integration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010354 integration Effects 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 230000008569 process Effects 0.000 title claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 45
- 230000002452 interceptive effect Effects 0.000 claims abstract description 15
- 238000012800 visualization Methods 0.000 claims abstract description 14
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000008451 emotion Effects 0.000 claims abstract description 11
- 230000008520 organization Effects 0.000 claims abstract description 4
- 238000011161 development Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 abstract description 11
- 150000001875 compounds Chemical class 0.000 abstract description 2
- 238000010921 in-depth analysis Methods 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 5
- 238000012351 Integrated analysis Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000012217 deletion Methods 0.000 description 2
- 230000037430 deletion Effects 0.000 description 2
- 230000002996 emotional effect Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001680 brushing effect Effects 0.000 description 1
- 238000013079 data visualisation Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000006260 foam Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种物理世界与网络世界中的事件演化过程集成的分析方法,包括以下步骤:(1)数据集成;定义分析目标;提取物理世界中事件的动态演化过程;清理网络世界中的文本数据,如广告、声明等;抽取物理世界和网络世界实体、关键字、热度;提取用户反应的情感数值特征;设计立方体数据结构组织,支持可视化展示以及用户对数据的查询任务;(2)可视化集成;基于基本的视觉结构如直线、曲线等设计合适的可视化方案;物理世界事件的标志符号、交叉点、连接线;对社交媒体用户对实体的相关事件产生的情感倾向、讨论关键字进行可视化展示;(3)交互集成;交互部分与可视化部分多层次转换;支持面向应用的复合交互深入分析。
Description
技术领域
本发明涉及自然语言处理和数据可视化领域,特别是涉及一种物理世界与网络世界中的事件演化过程集成的分析方法。
背景技术
现实世界中发生的事件引发了社交媒体用户的讨论。用户在社交媒体上的反应反映了他们对现实世界事件的态度。有时候,真实世界的事件,比如政治或商业上的事件,也会受到社交媒体事件的影响。这种物理世界与网络世界的相互作用是人类社会的一种新现象。尤其是社交媒体中信息传播的效果和效率吸引了许多学科的研究者对其进行研究。但如何恰当地支持对复杂关系的综合分析是一个具有挑战性的研究问题。
在很多研究中,研究者发现并研究了社交媒体中用户的的反应与现实世界中发生的事件之间的关系[1][2][3]。一种典型的、广泛使用的随时间变化的事件显示方法是时间轴显示[4],其中一个维度表示时间(通常是水平的),事件由根据事件发生的时间沿时间轴放置的条或其他符号表示。事件涉及实体,这些实体是可视化和分析的焦点。在这种情况下,事件和实体的参与通常使用故事线的方式可视化,其中实体由线程表示,当两个或多个实体涉及同一事件时线程聚集在一起[5][6][7]。
社交媒体兼具社交网络的特点和媒体的功能[8]。研究者提出了类似河流和地图状的可视化来分析社交媒体用户反应和观点的演变。Vizster[9]是最早将社交网络可视化的作品之一。Dunkel等人[10]提出了一个研究人们对事件反应的概念框架,其中反应具有四个方面的特征:社会、时间、空间和主题。Chen等人[11]和Krueger等人[12]研究了基于地理标记的社交媒体所构建的轨迹的运动行为和模式。
Dou等[13]认为,社交媒体中的事件定义为四个属性:话题、时间、人物和地点。Li等人[14]提出了语义-时空立方体来探索社交媒体中空间、时间和语义(话题)之间的关系。Chen等人通过以地图状的方式,如D-Map[15]、E-Map[16]和R-Map[17]系列分别展示了以自我为中心的信息扩散、事件演化和具有语义的事件动力学。Diehl等人提出SocialOcean[18],调查事件讨论中的社交媒体泡沫的方法。
上述的工作主要使用社交媒体的文本数据,然而这些工作都存在一些缺点和不足:首先,上述的工作主要集中在网络世界,没有研究网络世界事件(CWE)与相应的物理世界事件(PWE)的演变。其次,真实世界的信息并没有明确地与社交媒体数据联系在一起,也不包括在社交媒体数据中可视化。最后,上述工作并没有涉及对真实世界事件信息的明确表示。这些信息要么是研究人员背景知识的一部分(例如,研究人员过滤社交媒体数据基于某些关键词或标签[1][3]),或者,研究人员在试图解释他们发现的社交媒体事件时咨询了外部信息来源(如研究人员使用最突出的关键词进行网络搜索[2][19])。
发明内容
本发明的目的是为了解决现有技术中的以下问题。1.现有的分析社交媒体讨论的方法并没有在可视化和分析中明确地涉及到PWE的信息。2.真实世界的信息并没有明确地与社交媒体数据联系在一起,也不包括在社交媒体数据中可视化。因此,本发明提出了一个可视化分析方法,在该方法中,对物理世界和网络世界中相关事件的协同演化进行分析,由交互式可视化显示支持,以集成的方式显示来自这两个世界的数据。具体地说,关于人们的反应信息被整合到一个框架中显示,它代表了物理世界和网络世界的事件的发展。可视化集成是通过数据级的集成实现的,并通过交互显示的集成方式进行补充。
本发明的目的是通过以下技术方案实现的:
物理世界与网络世界中的事件演化过程集成的分析方法,包括以下内容:
数据集成;定义分析目标,提取物理世界中事件的动态演化过程;清理网络世界中的文本数据;分别抽取物理世界和网络世界中的实体、关键字以及网络世界中对实体的讨论热度;提取用户反应的情感数值特征;建立立方体数据结构组织,支持可视化展示以及用户对数据的查询任务;
可视化集成;基于视觉结构设定可视化方案,包括对物理世界事件以标志符号、交叉点、连接线方式进行可视化展示;用实体曲线代表每一个实体在物理世界中的发展进程,网络世界对实体、事件讨论热度能够影响到实体曲线宽度,通过社交媒体用户对实体的相关事件产生的情感倾向、讨论关键字进行可视化展示,直观的展示实体被关注的程度以及人们最热衷于讨论的事件内容;
交互集成;用户可以在视图上对感兴趣的实体、事件、时间进行交互探索,重点关注的内容高亮突出显示,交互探索部分与可视化部分多层次转换,以满足用户深层次的探索兴趣。
进一步的,网络世界中的文本数据包括广告和声明。
进一步的,视觉结构包括直线、曲线。
与现有技术相比,本发明的技术方案所带来的有益效果是:
1.扩展了可视化事件动力学的三种基本技术。通过添加另一层信息,例如事件时间轴、故事线和链接字符串,扩展了可视化事件动力学的三种基本技术(即事件时间线、故事线和链接线)。来丰富显示相关网络世界的信息。
2.将两个相关的过程在时间布局中一起表示来支持物理世界和网络世界之间的关系分析。系统定义物理世界和网络世界集成分析中的分析任务,支持集成分析的可视化和交互的通用范式。为物理世界和网络世界的集成分析提供了一个通用的可视化分析框架,其中包括以数据集成为基础的可视化集成和通过交互集成为补充的可视化集成。
3.设计了一种包含三个维度分别为实体、物理世界事件和网络世界事件的语义时空体,该结构一致地支持各类交互探索任务,并通过预先存储不同实体坐标下的语义信息,实现快速响应用户对不同实体语义及事件内容查询的请求。
4.现有的分析社交媒体讨论的方法并没有在可视化和分析中明确地涉及到物理世界事件的信息。本发明对物理世界和网络世界中相关事件的协同演化进行分析,由交互式可视化显示支持,以集成的方式显示来自这两个世界的数据。将人们的反应信息被整合到一个框架中显示,代表物理世界和网络世界的事件的发展。可视化集成通过数据级的集成实现的,并通过交互显示的集成方式进行补充。从而深入探索物理世界事件的发展和由这些事件引发的网络世界的讨论之间的关系和相互作用。
附图说明
图1为提出方法的总体结构图。
图2为数据集成图。
图3为可视化集成图。该图中:301表示故事线可视化,302表示实体间事件连接,303表示实体热度,304表示垂直连接叠加表现,305表示交叉连接叠加表现,306情感特征表示方法。
图4为可视化界面图。该图中:401宏观层面的交互视图,402关键词词云可视化表现,403微观层面交互视图,404垂直连接实体关系,405顶部柱状图和关键词信息,406实体细节视图,407词云卡片。
具体实施方式
以下结合附图和具体实施例对本发明作进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明提出了一个以交互探索物理世界与网络世界中的事件演化过程的可视分析方法。该方法通过合并有关网络世界事件(CWE)的信息来丰富物理世界事件(PWE)故事线的标准视觉表现。首先,将物理世界中发生的活动抽取实体、事件的动态演化轨迹,将清洗好的网络世界中人们对实体进行讨论的文本数据抽取提取关键字、讨论热度、情感倾向数值特征,并设计立方体数据组织结构,支持可视化展示以及用户对数据的查询任务。其次,设计合适的可视化方式集成物理世界中发生的事件故事线,以河流图为例,河流宽度作为讨论热度,从而更加直观的展示实体在整个时间线上被关注的程度以及人们最热衷于讨论的实体和事件。最后,定义交互,支持面向应用的复合交互深入分析。具体而言,如图1所示,主要包含以下步骤:
步骤一:数据集成(图2)。数据集成的目标是确定和编码CWE与PWE和它们引用的实体之间的关系。基于特定关键字的出现,CWE件被链接到PWE,例如实体的名称或事件的名称,以及已知的日期/时间和PWE的空间位置。
本实施例介绍以下数据链接规则:
101.如果一个CWE指向一个PWE和一个特定的实体,将它链接到这个PWE和这个实体。例如,在足球比赛中,球员是实体,而PWE是球员的动作,比如射门或传球。CWE可以提到球员和他们的行为。
102.如果CWE指的是PWE,但不指向任何实体,而实体与分析相关,则将CWE与PWE以及与该PWE相关的所有实体联系起来。例如,一个社交媒体帖子提到了一个会议上的会议,但是没有提到任何特定的话题,这个帖子会链接到这个会议上的所有话题。
103.如果CWE指的是一个实体,而不是明确地指任何PWE,可以应用两种策略中的一种,取决于现实世界现象的特征或分析的主要焦点(实体或事件)。
在定义了基于分析任务的链接策略之后,下一步是从CWE中提取链接。由于社交媒体的噪音和其他特征,这个过程通常很复杂。A)数据清理:这个过程至少应该包括删除停用词、声明、广告和删除机器人账号。否则,无意义的词语和机器人行为会影响分析结果。B)实体和hashtag提取:分析人员需要提取社交媒体消息中提到的实体和事件的名称,或者检测其他类型的文本引用,如事件的日期/时间和地点。社交媒体用户提供的提取的引用和明确的标签用于链接CWE和PWE。C)树结构:通过消息的转发关系,分析人员可以从原始消息构建父-子关系。由于社交媒体用户有时会转发一条消息而不加评论,因此在链接CWE和PWE时可以继承父消息的内容,丰富转发的消息内容。
最后基于NLP中的情感分析模型,由社交媒体中用户对特定实体的讨论文本数据中抽取用户对每一个PWE相关实体的反应的情感特征,并与链接在CWE和PWE。
这个过程的输出是CWE到PWE和实体的一组链接。结构为[CWE标识符,PWE标识符,实体标识符]的数据。可能有几个不同的记录具有相同的CWE标识符。CWE中与PWE中特定事件或实体不相关的信息,如一般声明、广告等,应予以忽略。
步骤二:可视化集成(见图3)。一般的想法是随着时间的推移,将PWE的过程明确的表示出来,并在这个表示中包含有关CWE的信息。
首先,需要根据分析目标进行设计选择:
201.实体不可知的场景:关注的焦点是PWE的时间进程,而不考虑实体。可以将PWE可视化为条(具有较长时间跨度)或点(忽略时间跨度)。
202.实体可知的场景:重点关注PWE中涉及的实体。因此,不仅需要表示PWE的进展,即故事线可视化301,而且需要表示需要分析的实体之间的关系。实体间事件连接302,事件由连接的垂直线表示,水平线对应于事件中涉及的实体,故事线中实体线程的交叉点或者连接事件实体的垂直线作为PWE和PWE与实体之间关系的表示方式。
然后为CWE选择合适的视觉编码。与每个PWE相关的CWE信息由一个附加的视觉标记表示,该标记根据CWE发生的时间,沿着显示的时间维度放置。有关CWE的数字特征可以用标记的大小或不透明度表示,情感特征表示方法306可以采用饼图和颜色等方式表示。关键字特征可能需要过多的展示空间;因此,本实施例的方法是默认情况下不将此信息包含在显示中,而是按需将其显示为词云或一些类似的可视化形式。
为了可视化与PWE实体对应的社交媒体中的信息特征,本发明使用每行的宽度来编码相关讨论的数量,即实体热度303。线的宽度表示有多少条消息提到了PWE中的实体。线宽使用一个共同的比例规模,因此不同实体的讨论强度是可比较的。在已知的故事线设计模式中,当实体不再存在时,实体线就会消失。但本发明的设计是不同的,因为当事件结束后,社交媒体上的讨论可能会继续。在足球比赛中,即使一个队伍在输掉一场比赛后出局,社交媒体用户也可以继续讨论它。
在一场足球比赛中会有许多PWE,而每个PWE可以涉及多个球员。在这种情况下,故事线的可视化不太合适,因为实体线程之间有大量的交集。因此本发明选择将比赛中发生的事件用垂直的线来表示,这些线连接着所涉及的球员的可视化编码,它更适合表示涉及多个实体的大量事件。
最后,按照本发明可视化集成的中心思想,将CWE的视觉表现叠加在PWE的时间顺序显示上,包括垂直连接叠加表现304和交叉连接叠加表现305。
步骤三:交互集成(图4)。交互式工具允许分析人员选择有关PWE或CWE的部分信息,并查看与来自另一个世界的相关事件相关的对应信息。
复合交互操作要满足三个基本的操作来支持PWE和CWE的探索。
301.直接探索——从PWE到CWE:分析人员可以选择一个PWE或者一段包含多个事件的时间来探索相关的社交媒体讨论(CWE)。相应的,CWE中相关讨论的数字、主题和情感特征也呈现出来。
302.逆向探索——从CWE到PWE:分析人员可以选择一个时间单元或一个CWE讨论的时间范围,也可以选择一个特定的话题。相应的PWE和实体会被突出显示或单独显示。
303.多细节层次之间的转换:分析人员可以选择一个事件或时间范围,从宏观层面深入到微观层面。
宏观层面的交互视图401。
直接探索是通过过滤方式进行的。通过点击感兴趣的球队所在的那条线并刷上一段时间间隔,分析人员可以选中在所选时间内讨论该团队的社交媒体用户。
在逆向探索中,这些用户相对于其他团队在其他时间的社交媒体活动被突出显示,为了显示复合交互的结果,本发明通过使用控制透明度的黄色高亮曲线来覆盖在原始的线条上。通过显示所选信息的关键词和标签来支持CWE的语义解释,从而分析得出讨论的PWE。关键词词云可视化表现402和标签用词云可视化表现,并使用他们的TF-IDF值作为字体大小表示的权重。
微观层面的交互。
对于直接探索,分析师可以选择一场比赛来探索相应的社交媒体讨论,如微观层面交互视图403。当点击一个PWE垂直连接实体关系404,相关讨论的数字特征和关键词可由显示在顶部柱状图和关键词信息405表示。对于逆向探索,分析人员可以在时间轴上选择一个CWE进行的时间点,相关的PWE比其余的PWE表现出更高的不透明度。
分析人员可以在时间轴上再次刷选一个时间段,会弹出一个对应该时间段的实体细节视图406,显示该时间段内社交媒体的讨论中与单个球员相关的信息。这些信息通过放置在球场上的词云卡片407表示,这些卡片的位置是根据球队中球员的首发阵容来表示的。卡片的大小表示相应的社交媒体信息的数量。球场的显示是特定于足球应用程序的;对其他应用程序来说,可以用满足特定类型的应用程序来显示来自社交媒体的信息。
本发明并不限于上文描述的实施方式。以上对具体实施方式的描述旨在描述和说明本发明的技术方案,上述的具体实施方式仅仅是示意性的,并不是限制性的。在不脱离本发明宗旨和权利要求所保护的范围情况下,本领域的普通技术人员在本发明的启示下还可做出很多形式的具体变换,这些均属于本发明的保护范围之内。
参考文献:
[1]N.Cao,Y.Lin,X.Sun,D.Lazer,S.Liu,and H.Qu,“Whisper:Tracing thespatiotemporal process of information diffusion in real time,”IEEETransactions on Visualization and Computer Graphics,vol.18,no.12,pp.2649–2658,2012.
[2]Y.Wu,S.Liu,K.Yan,M.Liu,and F.Wu,“Opinionflow:Visual analysis ofopinion diffusion on social media,”IEEE Trans.Vis.Comput.Graph.,vol.20,no.12,pp.1763–1772,2014.
[3]S.Chen,J.Li,G.Andrienko,N.Andrienko,Y.Wang,P.H.Nguyen,andC.Turkay,“Supporting story synthesis:Bridging the gap between visualanalytics and storytelling,”IEEE Transactions on Visualization and ComputerGraphics,pp.1–1,2019.
[4]D.Rosenberg and A.Grafton,Cartographies of time:A history of thetimeline.Princeton Architectural Press,2013.
[5]Y.Tanahashi and K.-L.Ma,“Design considerations for optimizingstoryline visualizations,”IEEE Transactions on Visualization and ComputerGraphics,vol.18,no.12,pp.2679–2688,2012.
[6]S.Liu,Y.Wu,E.Wei,M.Liu,and Y.Liu,“Storyflow:Tracking the evolutionof stories,”IEEE Transactions on Visualization and Computer Graphics,vol.19,no.12,pp.2436–2445,2013.
[7]T.Tang,S.Rubab,J.Lai,W.Cui,L.Yu,and Y.Wu,“iStoryline:Effectiveconvergence to hand-drawn storylines,”IEEE transactions on visualization andcomputer graphics,vol.25,no.1,pp.769–778,2019.
[8]H.Kwak,C.Lee,H.Park,and S.Moon,“What is twitter,a social networkor a news media?”in Proceedings of the 19th International Conference on WorldWide Web,ser.WWW’10.ACM,2010,pp.591–600.
[9]J.Heer and D.Boyd,“Vizster:Visualizing online social networks,”inInformation Visualization,2005.INFOVIS 2005.IEEE Symposium on.IEEE,2005,pp.32–39.
[10]A.Dunkel,G.Andrienko,N.Andrienko,D.Burghardt,E.Hauthal,andR.Purves,“A conceptual framework for studying collective reactions to eventsin location-based social media,”International Journal of GeographicalInformation Science,vol.33,no.4,pp.780–804,2019.
[11]S.Chen,X.Yuan,Z.Wang,C.Guo,J.Liang,Z.Wang,X.L.Zhang,and J.Zhang,“Interactive visual discovering of movement patterns from sparsely sampledgeo-tagged social media data,”IEEE Trans.Vis.Comput.Graph.,vol.22,no.1,pp.270–279,2016.
[12]R.Krueger,G.Sun,F.Beck,R.Liang,and T.Ertl,“Traveldiff:Visualcomparison analytics for massive movement patterns derived from twitter,”in2016 IEEE Pacific Visualization Symposium(PacificVis).IEEE,2016,pp.176–183.
[13]W.Dou,X.Wang,D.Skau,W.Ribarsky,and M.X.Zhou,“Leadline:Interactivevisual analysis of text data through event identification and exploration,”in2012 IEEE Conference on Visual Analytics Science and Technology,VAST 2012,Seattle,WA,USA,October 14-19,2012,2012,pp.93–102.
[14]J.Li,S.Chen,W.Chen,G.Andrienko,and N.Andrienko,“Semantics-space-time cube.a conceptual framework for systematic analysis of texts in spaceand time,”IEEE transactions on visualization and computer graphics,2018.
[15]S.Chen,S.Chen,Z.Wang,J.Liang,X.Yuan,N.Cao,and Y.Wu,“D-map:Visualanalysis of ego-centric information diffusion patterns in social media,”in2016 IEEE Conference on Visual Analytics Science and Technology,VAST 2016,Baltimore,MD,USA,October 23-28,2016.IEEE Computer Society,2016,pp.41–50.
[16]S.Chen,S.Chen,L.Lin,X.Yuan,J.Liang,and X.Zhang,“Emap:A visualanalytics approach for exploring significant event evolutions in socialmedia,”in 2017 IEEE Conference on Visual Analytics Science and Technology,VAST 2017,Phoenix,AZ,USA,October 3-6,2017.IEEE Computer Society,2017,pp.36–47.
[17]S.Chen,S.Li,S.Chen,and X.Yuan,“R-map:A map metaphor forvisualizing information reposting process in social media,”IEEE Transactionson Visualization and Computer Graphics,pp.1–1,2019.
[18]A.Diehl,M.Hundt,J.H¨aussler,D.Seebacher,S.Chen,N.Cilasun,D.A.Keim,and T.Schreck,“Socialocean:Visual analysis and characterization ofsocial media bubbles,”in 2018International Symposium on Big Data Visual andImmersive Analytics,BDVA 2018,Konstanz,Germany,October 17-19,2018.IEEE,2018,pp.1–11.
[19]J.Li,S.Chen,G.Andrienko,and N.Andrienko,“Visual exploration ofspatial and temporal variations of tweet topic popularity,”in Proceedings ofthe EuroVis Workshop on Visual Analytics,ser.EuroVA’18,C.Tominski and T.vonLandesberger,Eds.The Eurographics Association,2018,pp.7–11.
Claims (3)
1.物理世界与网络世界中的事件演化过程集成的分析方法,其特征在于,包括以下内容:
数据集成;定义分析目标,提取物理世界中事件的动态演化过程;清理网络世界中的文本数据;分别抽取物理世界和网络世界中的实体、关键字以及网络世界中对实体的讨论热度;提取用户反应的情感数值特征;建立立方体数据结构组织,用于可视化展示以及用户对数据的查询任务;
可视化集成;基于视觉结构设定可视化方案,包括对物理世界事件以标志符号、交叉点、连接线方式进行可视化展示;用实体曲线代表每一个实体在物理世界中的发展进程,网络世界对实体、事件讨论热度能够影响到实体曲线宽度,通过社交媒体用户对实体的相关事件产生的情感倾向、讨论关键字进行可视化展示,直观的展示实体被关注的程度以及人们最热衷于讨论的事件内容;
交互集成;用户能够在视图上对感兴趣的实体、事件、时间进行交互探索,重点关注的内容高亮突出显示,交互探索部分与可视化部分多层次转换,以满足用户深层次的探索兴趣。
2.根据权利要求1所述物理世界与网络世界中的事件演化过程集成的分析方法,其特征在于,网络世界中的文本数据包括广告和声明。
3.根据权利要求1所述物理世界与网络世界中的事件演化过程集成的分析方法,其特征在于,视觉结构包括直线、曲线。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010935723.6A CN112069246B (zh) | 2020-09-08 | 2020-09-08 | 物理世界与网络世界中的事件演化过程集成的分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010935723.6A CN112069246B (zh) | 2020-09-08 | 2020-09-08 | 物理世界与网络世界中的事件演化过程集成的分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112069246A CN112069246A (zh) | 2020-12-11 |
CN112069246B true CN112069246B (zh) | 2024-01-09 |
Family
ID=73664372
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010935723.6A Active CN112069246B (zh) | 2020-09-08 | 2020-09-08 | 物理世界与网络世界中的事件演化过程集成的分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112069246B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113505233B (zh) * | 2021-06-07 | 2023-11-21 | 中国科学院地理科学与资源研究所 | 一种基于开放域的生态文明地理知识的抽取方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571853A (zh) * | 2009-05-22 | 2009-11-04 | 哈尔滨工程大学 | 网络话题内容演化分析装置及分析方法 |
CN103324662A (zh) * | 2013-04-18 | 2013-09-25 | 中国科学院计算技术研究所 | 社会媒体事件的动态观点演变的可视化方法及设备 |
CN108255933A (zh) * | 2017-12-07 | 2018-07-06 | 北京大学 | 一种社交媒体动态事件演变可视分析方法及系统 |
US10055486B1 (en) * | 2014-08-05 | 2018-08-21 | Hrl Laboratories, Llc | System and method for real world event summarization with microblog data |
CN110968676A (zh) * | 2019-12-05 | 2020-04-07 | 天津大学 | 基于lda模型与lstm网络的文本数据语义时空模式探索方法 |
-
2020
- 2020-09-08 CN CN202010935723.6A patent/CN112069246B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101571853A (zh) * | 2009-05-22 | 2009-11-04 | 哈尔滨工程大学 | 网络话题内容演化分析装置及分析方法 |
CN103324662A (zh) * | 2013-04-18 | 2013-09-25 | 中国科学院计算技术研究所 | 社会媒体事件的动态观点演变的可视化方法及设备 |
US10055486B1 (en) * | 2014-08-05 | 2018-08-21 | Hrl Laboratories, Llc | System and method for real world event summarization with microblog data |
CN108255933A (zh) * | 2017-12-07 | 2018-07-06 | 北京大学 | 一种社交媒体动态事件演变可视分析方法及系统 |
CN110968676A (zh) * | 2019-12-05 | 2020-04-07 | 天津大学 | 基于lda模型与lstm网络的文本数据语义时空模式探索方法 |
Non-Patent Citations (1)
Title |
---|
基于随机Petri网的网络群体事件演化模型研究;赵金楼;高宏玉;情报学报;第34卷(第010期);1040-1047 * |
Also Published As
Publication number | Publication date |
---|---|
CN112069246A (zh) | 2020-12-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Supporting story synthesis: Bridging the gap between visual analytics and storytelling | |
Hausberg et al. | Research streams on digital transformation from a holistic business perspective: a systematic literature review and citation network analysis | |
Beck et al. | A taxonomy and survey of dynamic graph visualization | |
Dani et al. | Ten years of visualization of business process models: A systematic literature review | |
Sun et al. | EvoRiver: Visual analysis of topic coopetition on social media | |
Wang et al. | SentiView: Sentiment analysis and visualization for internet popular topics | |
Wu et al. | StreamExplorer: a multi-stage system for visually exploring events in social streams | |
Yi et al. | TimeMatrix: Analyzing temporal social networks using interactive matrix-based visualizations | |
Dang et al. | TimeArcs: Visualizing fluctuations in dynamic networks | |
US9235646B2 (en) | Method and system for a search engine for user generated content (UGC) | |
Chen et al. | R-map: A map metaphor for visualizing information reposting process in social media | |
Marchiori et al. | Innovativeness: a bibliometric vision of the conceptual and intellectual structures and the past and future research directions | |
Fu et al. | T-cal: Understanding team conversational data with calendar-based visualization | |
Chen et al. | Supporting effective common ground construction in asynchronous collaborative visual analytics | |
Fu et al. | Visforum: A visual analysis system for exploring user groups in online forums | |
Roberts et al. | Visualising business data: A survey | |
Ruan et al. | How to create tourists’ enjoyment? critical factors and strategic configurations for cultural and creative tourists’ enjoyment | |
Chen et al. | A web-based tool for collaborative social media data analysis | |
Stoiber et al. | netflower: Dynamic network visualization for data journalists | |
Schulz | A new algorithmic imaginary | |
CN112069246B (zh) | 物理世界与网络世界中的事件演化过程集成的分析方法 | |
Rouhani et al. | [Retracted] An Architectural Framework for Healthcare Dashboards Design | |
Bandeira et al. | Service innovation and knowledge management: A bibliometric review and future avenues | |
Hassan et al. | SoDA: Dynamic visual analytics of big social data | |
Hiniker et al. | Toward the operationalization of visual metaphor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |