第４ ３ 卷第１ ２ 期２ ０ ２ ０ 年１ ２ 月计算机学报ＣＨ Ｉ Ｎ ＥＳＥＪ Ｏ ＵＲ Ｎ ＡＬＯ ＦＣＯＭ Ｐ ＵＴ ＥＲＳＶｏｌ ．４３Ｎ ｏ． １ ２Ｄｅ ｃ． ２ ０ ２ ０公共服务热线中基于地域自适应的突发事件实时检测方法麦丞程陈玉婷仇学明刘健赵博袁春风黄宜华（ 南京大学计算机软件新技术国家重点实验室南京２ １ ０ ０ ２ ３ ）（ 南京大学计算机科学与技术系南京２ １ ０ ０ ２ ３ ）摘要随着信息技术的普及应用， 城市公共服务热线平台累积了大量亟待分析的民生诉求数据． 传统事件检测方法缺少对于地域模式的考虑， 同时， 其所依赖的ＧＰ Ｓ 地理信息也不易获得． 因此， 难以直接运用现有的突发事件检测方法挖掘公共服务热线中潜在的民生突发事件． 为此， 本文提出了一种基于地域自适应的突发事件实时检测方法（ ＲＡＥＤ ｅ ｔ ｅｃｔ ｉｏｎ ） ． 首先， 提出一种基于增量式Ｋｌｅ ｉ ｎｂ ｅ ｒｇ 模型的突发词识别算法， 克服了现有批处理式Ｋｌ ｅｉ ｎ ｂｅ ｒ ｇ模型的局限性， 可从流式增量数据中实时识别突发词汇； 然后， 提出一种基于分层语义分析的候选突发事件识别算法， 以突发词为线索， 先根据突发词的主题层语义信息确定突发主题事件， 再根据诉求记录的事件层语义信息将每个突发主题事件进一步细分为多个候选突发事件； 最后， 提出一种基于事件地域树的地域模式自适应识别算法， 通过构建包含市级、区级、街道级三层结构的事件地域树， 并通过基于Ｋ Ｌ 距离的事件地域分布检验与优化， 自适应地识别不同事件发生的地域模式， 过滤候选突发事件中的噪声数据， 得到最终的突发事件． 在城市公共服务真实数据集以及Ｔｗｉ ｔ ｔ ｅ ｉ■ 数据集上的实验结果表明， 与目前最新的方法对比， 本文方法具有更高的检测准确率和更快的计算性能， 能够有效地检测出数据流中的突发事件， 算法具备良好的数据和系统可扩展性． 本文方法已经成功落地应用于江苏省公共服务热线平台， 提供高效的自动化和智能化突发事件检测服务．关键词事件检测； 突发性分析； 地域自适应； 公共服务热线； 数据挖掘中图法分类号Ｔ Ｐ３ ９ １ＤＯ丨号１ ０ ． １ １ ８ ９ ７ ／ ＳＰ． Ｊ ． １ ０ １ ６ ．  ２ ０ ２ ０ ． ０ ２ ２ ５ ９ＡＲ ｅｇｉｏｎ－Ａｄ ａｐ ｔ ｉ ｖｅＭｅ ｔｈｏ ｄｆｏｒＲ ｅ ａｌ－ＴｉｍｅＢｕｒ ｓｔ ｙＥ ｖ ｅｎｔＤｅ ｔ ｅｃ ｔ ｉ ｏｎｉｎ Ｐｕｂｌ ｉ ｃＳｅｒ ｖｉ ｃｅ Ｈｏｔ ｌ ｉｎ ｅＭ ＡＩＣｈ ｅｎ ｇ－Ｃｈ ｅ ｎ ｇＣＨ ＥＮＹ ｕ－ Ｔｉ ｎ ｇＱ Ｉ ＵＸ ｕｅ － Ｍｉ ｎ ｇＬＩ ＵＪ ｉ ａ ｎＺ ＨＡＯ ＢｏＹ ＵＡＮＣｈ ｕ ｎ－Ｆｅ ｎ ｇＨ ＵＡＮＧ Ｙ ｉ－Ｈ ｕ ａ（ Ｓｔ ａ ｔ ｅＫｅｙ Ｌａ ｂ ｏ ｒａ ｔ ｏｒｙ ｆｏ ｒ Ｎｏ ｖ ｅｌ Ｓｏ ｆｔｗａ ｒ ｅＴｅｃｈ ｎ ｏｌ ｏ ｇｙ ， Ｎａ ｎ ｊ ｉｎ ｇ Ｕｎ ｉ ｖｅｒｓ ｉ ｔｙ ， Ｎａ ｎ ｊｉ ｎｇ２ １ ０ ０ ２ ３ ）（ Ｄ ｅｐａ ｒｔ ｍｅ ｎ ｔｏ ｆＣｏ ｍ ｐｕ ｔｅｒ Ｓ ｃｉ ｅｎｃ ｅ ａ ｎｄ Ｔｅｃｈ ｎ ｏ ｌｏ ｇｙ ， Ｎａ ｎｊｉ ｎｇ Ｕｎｉ ｖｅｒｓ ｉ ｔｙ ， Ｎａ ｎｊｉｎ ｇ ２ １ ０ ０ ２３ ）Ａｂｓ ｔ ｒａｃ ｔＷｉ ｔ ｈ ｔ ｈ ｅｐｏｐ ｕ ｌ ａｒ ｉ ｚ ａ ｔ ｉ ｏｎ __________ｏｆ ｉ ｎ ｆｏ ｒｍａ ｔ ｉｏ ｎｔｅ ｃ ｈｎ ｏｌｏ ｇｙ ，ｔ ｈ ｅｃｉ ｖｉ ｃｐ ｕｂ ｌ ｉ ｃｓ ｅ ｒｖｉ ｃ ｅｐ ｌ ａ ｔｆ ｏｒｍｈ ａｓ ａ ｃ ｃ ｕ ｍｕ ｌ ａ ｔｅ ｄａ ｌ ａ ｒｇ ｅｎ ｕｍ ｂｅ ｒ ｏ ｆｐ ｕ ｂｌ ｉ ｃ  ｌ ｉ ｖｅ ｌ ｉ ｈｏｏ ｄｃ ｏｍ ｐｌ ａ ｉ ｎｔ ｄａ ｔ ａｔ ｈ ａ ｔ ｎｅ ｅ ｄｔ ｏｂｅ ａ ｎａｌ ｙ ｚｅ ｄ．Ｔ ｈ ｅｔｒ ａ ｄ ｉ ｔ ｉｏ ｎａ ｌ ｅｖ ｅｎ ｔ ｄｅ ｔ ｅｃ ｔｉ ｏ ｎｍ ｅｔ ｈ ｏｄ ｓｄｏ ｎ ｏ ｔ ｔ ａｋ ｅ ｔ ｈ ｅ ｒ ｅｇ ｉｏ ｎａ ｌｐ ａ ｔ ｔ ｅｒｎ ｓ  ｏｆ ｅｖ ｅｎ ｔ ｓ ｉ ｎ ｔ ｏ ｃ ｏｎ ｓ ｉ ｄ ｅｒ ａ ｔ ｉｏ ｎ ．Ｍ ｅａ ｎｗ ｈ ｉｌ ｅ ，ｔ ｈ ｅＧＰＳ ｇ ｅ ｏｇｒ ａｐｈ ｉ ｃ ｉｎ ｆ ｏｒｍ ａｔ ｉ ｏ ｎ ｕ ｓ ｅ ｄｂｙ ｔ ｈｅ ｓ ｅｍ ｅ ｔ ｈｏ ｄｓｉ ｓａ ｌ ｓｏｎ ｏｔｅ ａ ｓｙｔ ｏｏ ｂｔ ａ ｉ ｎ．Ｔ ｈｅ ｒ ｅｆ ｏｒ ｅ ，ｍ ａｎ ｙ ｓ ｔ ｕ ｄｉ ｅ ｓ ａｒ ｅｌ ｏ ｏｋ ｉｎ ｇｆ ｏｒ  ｅｆ ｆｉ ｃ ｉｅ ｎ ｔａ ｎ ｄａ ｃｃ ｕｒ ａｔ ｅ ｍｅ ｔ ｈｏ ｄｓｔ ｏｄｅ ａ ｌｗ ｉｔ ｈ ｔｈ ｅｐ ｒｏ ｂ ｌ ｅｍｏ ｆ ｒ ｅｃｏ ｇｎ ｉｚ ｉ ｎｇ ｔ ｈｅ ｒ ｅｇ ｉｏ ｎ ｐａ ｔ ｔｅ ｒｎ ｓｏ ｆｅ ｖｅ ｎ ｔｓ ．Ｈｏ ｗｅｖｅ ｒ ， ｉｔ ｉ ｓ ｎｏ ｔｅ ｆｆ ｉ ｃｉ ｅ ｎｔ ｔ ｏｕ ｓｅ  ｔｈ ｅ ｅ ｘｉ ｓ ｔｉ ｎ ｇｅｖｅ ｎ ｔ收稿日期： ２ ０ １ ９－０ ９－１ ０； 在线发布日期： ２ ０ ２ ０－０ ２－１ ６ ． 本课题得到国家自然科学基金项目（ ６ １ ５ ７ ２ ２ ５ ０ ， Ｕ １ ８ １ １ ４ ６ １ ） 、江苏省科技支撑计划项目（ ＢＥ２ ０ １ ７ １ ５ ５ 〉、江苏省软件新技术与产业化协同创新中心资助． 麦丞程， 博士研究生， 中国计算机学会（ ＣＣＦ） 学生会员， 主要研究方向为大规模文本分析与事件检测等． Ｅ－ ｍａ ｉ ｌ ： ｒｎ ａｉＣ Ｃ＠ Ｓｍａ Ｕ ． ｎｊｕ． ｅ ｄ ｕ． ｃｎ ． 陈玉婷， 硕士研究生， 主要研究方向为并行计算与事件检测等． 仇学明，硕士研究生， 主要研究方向为社会计算与大数据． 刘健， 硕士研究生， 主要研究方向为机器学习、数据挖掘． 赵博， 博士研究生， 主要研究方向为主题模型与深度学习等． 袁春风， 博士， 教授， 中国计算机学会（ ＣＣＦ ） 会员， 主要研究领域为体系结构与并行计算、操作系统．黄宜华（ 通信作者） ， 博士， 教授， 中国计算机学会（ Ｃ ＣＦ） 会员， 主要研究领域为大数据、云计算、并行计算． Ｅ－ ｍａ ｉｌ：ｙ ｈｕ ａ ｎｇ＠ ｎｊｕ ． ｅ ｄ ｕ ． ｃ ｎ ．２ ２ ６ ０ 计算机学报 ２ ０ ２ ０ 年ｄｅｔ ｅ ｃ ｔ ｉ ｏ ｎ ｍ ｅ ｔｈ ｏ ｄｓ ｔ ｏｃ ａ ｐｔ ｕ ｒ ｅｔ ｈｅ ｐ ｏｔ ｅ ｎ ｔｉ ａ ｌｅ ｖｅ ｎｔ ｓｉ ｎｔ ｈｅ ｃ ｉｖ ｉ ｃｐ ｕ ｂｌ ｉ ｃｓｅ ｒ ｖｉ ｃ ｅ．Ｉ ｎｔ ｈ ｉ ｓｐａ ｐ ｅｒ ，ｗｅｐ ｒｏｐ ｏｓｅ ａ ｒ ｅａｌ－ｔ ｉｍ ｅ ｒ ｅ ｇｉ ｏｎ－ａｄａｐ ｔ ｉｖ ｅｍｅ ｔ ｈｏｄ ｆ ｏｒｂｕ ｒ ｓｔ ｙ ｅｖｅ ｎ ｔｄ ｅｔ ｅ ｃｔ ｉｏ ｎ ，ｃａ ｌ ｌ ｅ ｄＲＡＥＤ ｅｔ ｅｃ ｔ ｉ ｏｎ ．Ｆ ｉ ｒ ｓ ｔ ， ｔ ｈｅ ｒ ｅｃ ｏｇｎ ｉ ｔ ｉｏ ｎｏｆ ｂ ｕ ｒ ｓ ｔ ｙｗ ｏｒｄ ｓ ｆ ｒｏｍｄａ ｔ ａｓ ｔｒ ｅａｍｉ ｓｔ ｈ ｅｂａ ｓｉ ｓ ｏｆｄｉ ｓ ｃ ｏｖ ｅｒ ｉ ｎ ｇｔ ｈ ｅｂ ｕｒ ｓ ｔ ｙｅ ｖｅ ｎｔ ｓ ．Ｔ ｈ ｅ ｔ ｒａ ｄｉ ｔ ｉ ｏｎａ ｌ Ｋ ｌ ｅ ｉ ｎ ｂｅ ｒｇｍｏｄ ｅ ｌｃａ ｎ ｏｎｌ ｙｆ ｉ ｎｄ ｔ ｈｅ ｓｅ ｂ ｕｒ ｓ ｔ ｙｗ ｏｒ ｄｓ ｆｒｏ ｍｔ ｈ ｅ ｓ ｔ ａ ｔｉ ｃｄａ ｔ ａ ．Ｔ ｈｅ ｒｅ ｆｏ ｒ ｅ ， ｗ ｅｐｒｏ ｐｏｓ ｅａ ｎｉ ｍ ｐｒｏ ｖｅ ｄｉｎ ｃ ｒ ｅｍ ｅｎ ｔ ａ ｌＫ ｌ ｅ ｉ ｎ ｂｅ ｒｇｍｏ ｄｅｌ ｔ ｏｉ ｄｅ ｎ ｔｉ ｆ ｙｔｈ ｅ ｂ ｕｒ ｓ ｔｙｗｏｒ ｄｓｆ ｒｏｍ ｔ ｈ ｅｒ ｅａ ｌ－ｔｉ ｍ ｅｄ ａ ｔａ ｓ ｔ ｒ ｅａ ｍ．Ｔ ｈ ｅ ｎ ，ａｆ ｔ ｅｒ ｏ ｂｔ ａ ｉ ｎｉ ｎ ｇｔ ｈ ｅｂ ｕ ｒ ｓ ｔ ｙｗｏｒ ｄｓ ，ｗ ｅｐ ｒｏｐ ｏｓ ｅ ａ ｎａ ｌｇ ｏｒ ｉ ｔ ｈ ｍｂ ａ ｓ ｅ ｄ ｏｎｈ ｉ ｅ ｒ ａ ｒ ｃｈ ｉ ｃａ ｌ ｓ ｅ ｍａ ｎｔ ｉ ｃ ａ ｎａ ｌｙ ｓ ｉ ｓ ｆ ｏｒ ｒ ｅ ｃｏ ｇｎ ｉｚ ｉ ｎｇｔ ｈ ｅｃ ａ ｎｄ ｉ ｄａ ｔｅ ｂ ｕｒ ｓ ｔ ｙｅｖ ｅｎ ｔ ｓ ．Ｗ ｉｔ ｈ ｂ ｕｒ ｓ ｔｙｗｏｒｄ ｓ  ａ ｓ ｃｌ ｕｅ ｓ ？ ｔ ｈ ｉ ｓ ａ ｌ ｇｏ ｒ ｉ ｔｈ ｍｆ ｉ ｎｄ ｓ ｔｈ ｅ ｔｏ ｐｉ ｃ ｂ ｕｒ ｓ ｔ ｙｅ ｖｅ ｎｔ ｓ ｗ ｉ ｔ ｈ ｓ ｅｍ ａ ｎｔ ｉ ｃｉ ｎ ｆｏｒ ｍａ ｔｉ ｏ ｎｆ ｒ ｏｍｔ ｏｐ ｉ ｃ ｓａ ｎ ｄｔ ｈ ｅ ｎｄ ｉ ｖ ｉ ｄｅ ｓ ｔｈ ｅ ｓ ｅｅ ｖｅ ｎｔ ｓｉ ｎｔ ｏ ｍｏｒ ｅ ｆｉ ｎｅ －ｇ ｒ ａ ｉ ｎｅ ｄｃ ａ ｎｄ ｉｄ ａ ｔ ｅ ｂｕ ｒ ｓ ｔ ｙｅ ｖｅ ｎｔ ｓｗ ｉ ｔ ｈｔ ｈ ｅｓ ｅ ｍａ ｎ ｔ ｉ ｃｉ ｎ ｆｏ ｒｍ ａ ｔｉ ｏ ｎｆ ｒｏ ｍｔ ｈｅ ｃ ｏｍ ｐｌ ａ ｉ ｎｔ ｒ ｅｃ ｏｒｄ ｓ ．Ｆ ｉｎ ａ ｌ ｌ ｙ ，ｉ ｎｏ ｒ ｄｅ ｒ ｔｏｆ ｉ ｌ ｔｅ ｒｏ ｕｔ ｔｈ ｅｎｏ ｉ ｓ ｅｒ ｅ ｃ ｏｒ ｄ ｓｉ ｎｔ ｈ ｅｃａ ｎ ｄｉ ｄａ ｔ ｅｅ ｖ ｅ ｎ ｔ ｓ ，ｔ ｈ ｅｅ ｖｅ ｎ ｔｒ ｅｇ ｉ ｏｎｔ ｒ ｅｅ ｉ ｓ ｃ ｏｎ ｓ ｔ ｒｕ ｃ ｔ ｅｄ ｔｏ ｒ ｅ ｃｏｇ ｎｉ ｚ ｅｔ ｈ ｅ ｒｅ ｇ ｉｏ ｎａ ｌｐ ａｔ ｔ ｅｒ ｎ ｓ ｏｆ ｅｖ ｅｎ ｔ ｓ ．Ｔ ｈｅ ｅ ｖｅｎ ｔｒ ｅ ｇｉ ｏ ｎｔ ｒ ｅ ｅ ｈａ ｓａ  ｔｈ ｒ ｅ ｅ －ｌ ｅ ｖｅ ｌｓｔ ｒｕ ｃｔ ｕ ｒ ｅｃ ｏｒ ｒ ｅ ｓｐ ｏｎ ｄｉ ｎ ｇ ｔ ｏｔ ｈ ｅａ ｄｄ ｒｅ ｓ ｓｅ ｓｉ ｎｔ ｈｅ ｃｉ ｔ ｙ ？ｄ ｉ ｓ ｔ ｒ ｉ ｃ ｔ ａ ｎ ｄｓ ｔ ｒ ｅ ｅ ｔｌ ｅｖ ｅｌ ｒ ｅ ｓｐ ｅｃ ｔ ｉ ｖ ｅｌ ｙ．Ａ ｃｃ ｏｒ ｄ ｉ ｎｇｔ ｏｔ ｈ ｅｍａ ｘ ｉｍ ｕｍｅ ｎ ｔ ｒｏ ｐｙｐｒ ｉｎ ｃ ｉｐ ｌ ｅ ，ｗ ｅ ａ ｓ ｓｕ ｍｅｔ ｈ ａｔ ｔ ｈｅ ａ ｄ ｄｒ ｅｓ ｓ ｄｉ ｓ ｔ ｒ ｉ ｂ ｕｔ ｉ ｏｎｏ ｆ ｏｎ ｅｃｅ ｒｔ ａ ｉ ｎｅ ｖｅ ｎ ｔｏｂｅ ｙ ｓｔ ｈ ｅ ｄｉ ｓ ｃ ｒ ｅ ｔｅ ｕｎ ｉ ｆｏｒｍ ｄｉ ｓ ｔ ｒ ｉ ｂｕ ｔ ｉｏ ｎ．Ｗｅｕ ｓ ｅＫ Ｌｄ ｉ ｓ ｔ ａ ｎｃ ｅ ｔ ｏｃ ｏｍｐ ａ ｒ ｅ ｔｈ ｅ ｄ ｉｓ ｔ ａｎ ｃ ｅ ｂｅ ｔ ｗｅ ｅ ｎｔ ｈ ｅｓ ｔ ａ ｔ ｉ ｓ ｔ ｉ ｃａ ｄ ｄｒ ｅ ｓ ｓｄｉ ｓ ｔ ｒ ｉ ｂｕ ｔｉ ｏｎ ａ ｎ ｄｔ ｈ ｅ ａ ｓ ｓ ｕｍ ｅｄａ ｄｄ ｒ ｅｓ ｓ ｄ ｉｓ ｔ ｒ ｉ ｂｕ ｔ ｉ ｏｎ．Ｗｅ ｃ ｈｏ ｏ ｓ ｅ ｔ ｈ ｅｎ ｕｍ ｂｅ ｒ ｏｆ ａ ｄｄ ｒ ｅｓ ｓ ｅ ｓ ｗｈ ｉ ｃｈ  ｃａ ｎｍｉ ｎｉ ｍｉ ｚ ｅｔ ｈ ｅ ｖａ ｌ ｕ ｅｏ ｆｔ ｈ ｅＫ Ｌｄｉ ｓ ｔａ ｎ ｃｅ ｔ ｏ ｉ ｎｄ ｉ ｃａ ｔ ｅｔ ｈ ｅｇ ｅｏｇ ｒａ ｐ ｈｉ ｃ ａ ｌ ｒ ｅｇ ｉ ｏｎ ｓ ｏｆ ｔ ｈａ ｔｅ ｖｅ ｎ ｔ ，ｓ ｏ______ａ ｓｔ ｏ ｒｅ ａ ｌ ｉ ｚｅ ｔｈ ｅａ ｄ ａ ｐｔ ｉｖ ｅｒ ｅｃ ｏ ｇｎ ｉ ｔ ｉｏ ｎｏｆｒ ｅｇ ｉ ｏｎａ ｌ ｐ ａ ｔｔ ｅ ｒ ｎ ｓ ．Ｔ ｈ ｅｅ ｘ ｐｅ ｒ ｉ ｍｅ ｎ ｔ ａｌ ｒ ｅｓ ｕｌ ｔ ｓ ｆｒｏｍ ｔ ｗｏｒ ｅ ａｌ－ ｗ ｏ ｒ ｌ ｄ ｄａ ｔ ａ ｓ ｅｔ ｓ ｆ ｒｏ ｍｃ ｉ ｖｉ ｃｐ ｕｂ ｌｉ ｃｓ ｅｒｖｉ ｃ ｅ ａｎ ｄ ｏｎ ｅｓ ｏｃｉ ａ ｌ ｍ ｅｄ ｉａ ｄａ ｔ ａ ｓ ｅｔ ｆ ｒｏｍＴ ｗｉ ｔ ｔ ｅ ｒ ｓｈ ｏｗ ｔ ｈ ａｔｏ ｕｒ ｍ ｅｔ ｈ ｏｄｏ ｕ ｔ ｐ ｅｒ ｆ ｏｒｍ ｓ ｔ ｈ ｅ ｓ ｔａ ｔ ｅ － ｏ ｆ－ｔ ｈｅ － ａ ｒ ｔ ｍｅ ｔ ｈ ｏｄｓ ｆｏ ｒ ｂｏ ｔｈ ｄ ｅｔ ｅ ｃｔ ｉ ｏ ｎ ａ ｃｃ ｕ ｒ ａｃ ｙａ ｎｄｃｏ ｍｐ ｕｔ ｉ ｎｇ ｐｅ ｒ ｆ ｏｒｍａ ｎ ｃ ｅ ，ｗｉ ｔ ｈｇ ｏｏｄ ｄａ ｔ ａ ａｎ ｄｓｙ ｓ ｔ ｅｍ ｓ ｃａ ｌ ａ ｂｉ ｌ ｉ ｔ ｙ．Ｉ ｎ ｔ ｈ ｅｒ ｅａ ｌ ａ ｐｐ ｌ ｉ ｃａ ｔ ｉ ｏ ｎ ｓ ｃ ｅｎ ａ ｒ ｉ ｏ ｓ ， ｃｏｍｐ ａ ｒ ｅ ｄｗ ｉ ｔ ｈａ ｌ ｇｏ ｒ ｉ ｔ ｈｍＴｒ ｉｏ Ｖｅｃ Ｅｖｅ ｎｔ ，Ｇ ｅｏＢ ｕ ｒ ｓ ｔ ， ａ ｎｄＴ ｏｐ ｉｃ Ｓ ｋ ｅｔ ｃｈ ， ｔ ｈｅｐ ｓ ｅ ｕｄｏ ＦＩ ｖａ ｌ ｕ ｅｓ ｏ ｆｏ ｕｒ ａ ｌ ｇｏ ｒ ｉ ｔ ｈｍＲ ＡＥＤ ｅ ｔｅ ｃ ｔｉ ｏｎ ａ ｒ ｅｉ ｎ ｃ ｒ ｅ ａ ｓ ｅ ｄｂ ｙ５ ４ ． ８ ５ ％ ， ２ ２ １ ．  １ ３ ％ ， ａｎ ｄ ８ ４ ． ２ ６ ％ｏｎ  ａｖ ｅｒ ａｇ ｅ ，ｒ ｅ ｓｐ ｅ ｃ ｔ ｉ ｖｅ ｌ ｙ ．Ｔｏｆ ｕ ｒ ｔ ｈｅ ｒ ｅ ｘｐ ｌ ｏｒ ｅｔ ｈｅ ｉｎ ｆ ｌ ｕｅ ｎ ｃ ｅ ｓｏｆ ｔ ｈｅ ｓ ｉ ｚｅｏｆ ｔ ｈｅ ｓｌ ｉｄ ｉｎ ｇｗｉｎｄ ｏｗ ａｎ ｄｔ ｈｅ ｔｈ ｒ ｅｓｈ ｏｌ ｄｖａ ｌ ｕｅｏｆ ｓｅｍ ａｎ ｔ ｉ ｃｓ ｉ ｍｉ ｌ ａｒ ｉ ｔｙ ｏ ｎｏｕｒ ｍ ｅｔ ｈｏ ｄ ，ｗ ｅｃａｒｒ ｉｅ ｄｏｕｔｔ ｈｅ ｒ ｅｌ ｅｖａｎ ｔｅｘ ｐｅｒｉｍｅｎ ｔｓ ａ ｎｄｆｉ ｎｄｔｈ ａｔ ｔｈｅｏｕｒ ＲＡＥＤｅｔｅ ｃ ｔｉ ｏｎ ａｃｈ ｉｅｖｅｓ  ｔ ｈｅｂｅ ｓｔ ｐｅｒｆｏ ｒｍａ ｎｃｅｗｈ ｅｎ ｔｈ ｅ ｓ ｌｉｄ ｉ ｎｇｗ ｉ ｎｄｏ ｗ ｓ ｉ ｚｅ ｉ ｓ  ｓ ｅ ｔｔｏ ４ ０ｍ ｉｎ ｕ ｔ ｅｓ ａ ｎｄ ｔｈ ｅ ｔ ｈｒ ｅｓ ｈｏ ｌ ｄｖａ ｌ ｕ ｅ ｏｆ ｓ ｅ ｍａ ｎｔ ｉ ｃ ｓ ｉ ｍ ｉ ｌ ａ ｒ ｉ ｔ ｙｉ ｓｓ ｅ ｔ ｔｏ０ ． ５ ａ ｎｄ０ ． ６ ｏｎ ｔ ｈ ｅＮ ａ ｎｊｉ ｎｇ ａ ｎ ｄＳ ｕｚ ｈｏ ｕｄａ ｔａ ｓ ｅｔ ｒ ｅ ｓ ｐｅ ｃ ｔｉ ｖｅ ｌ ｙ ， ｗｈ ｉ ｃｈ ｈａ ｓａ ｎｉｍ ｐｏｒ ｔ ａ ｎ ｔｇ ｕｉ ｄｉ ｎｇ ｒｏｌ ｅ ｆ ｏｒ ｔ ｈ ｅ ｐｒ ａ ｃ ｔ ｉｃ ａｌ  ａｐ ｐ ｌ ｉ ｃａ ｔ ｉｏ ｎ ｏ ｆｏ ｕｒａ ｌ ｇ ｏｒ ｉ ｔ ｈｍ ．Ｆｉ ｎａ ｌ ｌ ｙ ，ｔ ｈｅ ｐｒ ｏ ｐｏ ｓ ｅ ｄｍ ｅｔ ｈ ｏｄ ｈａ ｓ ｂ ｅｅ ｎｓｕ ｃ ｃ ｅ ｓ ｓ ｆ ｕ ｌ ｌ ｙａｄ ｏｐ ｔ ｅｄａ ｎ ｄ ｖａ ｌｉ ｄ ａ ｔ ｅｄｂ ｙ ｔｈ ｅｃ ｉｖ ｉ ｃｐｕ ｂｌ ｉ ｃｓ ｅｒ ｖｉｃ ｅ ｐ ｌ ａ ｔｆ ｏ ｒｍｏｆ  Ｊ ｉａ ｎ ｇｓ ｕｐｒｏ ｖｉ ｎ ｃｅ ．Ｋｅｙｗｏｒｄ ｓｅｖ ｅｎ ｔ ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ ； ｂｕ ｒ ｓ ｔｉ ｎ ｅ ｓ ｓ  ａｎ ａ ｌ ｙｓ ｉ ｓ ；ｒ ｅ ｇｉ ｏｎ ａ ｄ ａｐ ｔａ ｔ ｉｏ ｎ ； ｐｕ ｂｌ ｉｃ ｓｅｒ ｖｉ ｃｅ ｓ ｈ ｏ ｔｌ ｉ ｎ ｅｓ ；ｄ ａｔ ａｍｉ ｎｉ ｎ ｇｉ 引言随着大数据相关治理理念、技术与支撑平台在各个垂_______直行业的落地与逐步成熟， 城市公共服务热线平台作为政府部门及其各级成员单位的重要组成部分， 已经累积了大量民生相关， 覆盖教育、医疗、就业等多个领域的诉求记录． 以江苏省为例， 据统计，公共热线服务平台全年累计访问量超过３ ．  ３ 亿次，每年诉求工单记录增量超过１ ５ ０ ０ 万条， 是聆听民意、解决民生问题的基础大数据平台？． 因此， 从海量诉求记录中实时、准确地检测突发事件是发现民生突发问题、助力政务服务的必要环节， 具有重要的社会价值．信息传播媒介的演进使得事件检测方法的发展日新月异． 早期事件检测方法的数据来源主要是新闻报道． 例如， 文献［ １］ 将新闻文档映射到向量空间模型中， 并将相似度超过给定阈值的文档汇总为一个事件． 若某个事件出现的频率超过其历史均值， 则认为该事件是一个突发事件． 文献［２］ 利用二项分布对新闻报道中各个词汇出现的频率进行建模， 并将其中呈突发性増长趋势的词汇作为突发特征， 然后①ｈ ｔ ｔｐ ： ／ ／ ｗｗｗ． ｇｏｖ ． ｃｎ／ ｘｉ ｎｗｅｎ／ ２ ０ １ ９－ ０ １ ／ ２７／ ｃｏ ｎｔ ｅｎｔ一５３ ６ １ ５０ ７ ．Ｋｔｍ麦丞程等： 公共服务热线中基于地域自适１ ２ 期 应的 突发 事件实 时检测方法 ２ ２６ １将使得这些突发词汇出现概率最大化的新闻报道集合作为突发事件． 文献［ ３ ］ 则将新闻事件细分为周期事件与非周期事件， 同时， 采用傅里叶变换识别文档中词汇的突发周期．受限于数据来源， 这类事件检测方法的局限性在于： （ １ ） 新闻报道较长的时延导致事件检测的实时性不足； （ ２ ） 对于文本长度更短、内容书写更加不规范的社交媒体中的突发事件检测效果有待提升．２ ０ １ ０ 年以后， 社交媒体的兴起对突发事件检测提出了新的挑战． 为了提高事件检测的实时性， 文献［４］ 对Ｔｗ ｉ ｔ ｔ ｅｒ 数据流进行时间窗口的划分， 并且假设每个时间窗口内Ｔ ｗ ｅｅ ｔ 中词汇的产生服从高斯分布． 如果某个词汇出现的概率超过其期望值２ 倍标准差， 则将该词汇识别为突发词特征， 从而快速捕获潜在突发事件． 类似地， 文献［５］ 利用ｚ 分数来衡量Ｔ ｗ ｅｅ ｔ 记录中词汇的突发性， 定位突发事件发生的时间窗口．由于微博、Ｔ ｗｉ ｔ ｔ ｅｒ 等自媒体的文本长度更短，内容书写也更加随意， 基于传统文本聚类的事件检测方法面临挑战． 文献［４］ 利用Ｗ ｉｋ ｉ ｐｅ ｄｉ ａ 作为外部语料， 对Ｔ ｗｉｔ ｔ ｅ ｒ 文本内容进行规范化与短语重组处理， 提升文本质量． Ｚｈ ａ ｎｇ 等人发现微博文本流中情感符号也存在突发现象， 提出一种基于情感符号的在线突发事件检测算法， 扩展了短文本的语义信息Ｍ．此外， 移动智能设备提供的Ｇ ＰＳ 定位数据对提高突发事件检测的准确率具有重要作用． 文献［７］ 根据Ｔ ｗ ｉ ｔｔ ｅ ｒ 的Ｇ ＰＳ 地理定位对事件发生的地址空间进行网格划分， 将某个空间网格中呈爆发性增长趋势且语义相似的Ｔｗ ｅ ｅ ｔ 集合检测为一个事件． 文献［８］则利用Ｅｐ ａｎｅ ｃｈ ｎ ｉ ｋｏｖ 核函数［９］ 将地理位置相近且语义相似的Ｔｗ ｅｅ ｔ 记录进行聚合， 过滤掉语义上相似却发生在不同地方的噪声数据．近年来， 社会信息化程度的日益提升促使公共服务热线平台亟需从海量诉求记录中发掘民生相关的突发事件． 但是现有面向社交媒体的突发事件检测方法与之相比存在较大差异性， 难以直接复用， 相关的研究也很少． 表１ 给出了公共服务热线平台中诉求记录样例． 这两类突发事件检测对象的区别总结如下：（ １ ） 在数据来源上， 面向社交媒体的突发事件检测方法依赖微博、Ｔ ｗ ｉｔ ｔ ｅ ｒ 等社交媒体提供的ＧＰＳ 坐标信息． 文献［ １ ０－１ １ ］ 统计发现Ｔ ｗｉ ｔｔ ｅ ｒ 上大约只有２ ％ 的Ｔ ｗｅ ｅｔ 数据带有Ｇ ＰＳ 地理标签， 更多无Ｇ ＰＳ 坐标定位的数据还有待开发利用， 例如公共服务热线平台上的海量民生诉求数据；（ ２ ） 在数据采集上， 由于ＧＰ Ｓ 坐标信息采集难度大， 现有突发事件检测方法难以直接应用在缺少精确Ｇ ＰＳ 定位信息的公共热线、政务服务等多个汇集大量民生诉求的垂直行业中；（ ３ ） 在数据构成上， 社交媒体数据中的地址信息为ＧＰ Ｓ 坐标， 而公共服务热线平台中地址信息则以文本地址为主． 由于Ｇ ＰＳ 坐标缺乏语义信息， 对于某些发生在同一个地区或行政区划内的事件， 其包含的各个数据记录的ＧＰ Ｓ 坐标可能相距较远， 这将导致发生范围涉及多个地域的广域事件被错误地拆分成多个局部事件， 增高事件检测重复率， 同时，也难以过滤掉局部事件中的噪声数据．表１ 真实诉求工单记录样例记录编号 ９ ９ ｘｘｘｘ 〇２ ５ ７ １时间 ２ ０ １ ８ ／０ ３／０ １１ ９ ：１ ３ ：１ ５诉求内容“江宁区东山街道金盛路美食烧烤店，此处油烟直排主干道， 油烟扰民．”区域代码 ０ ２ ５为了解决上述问题， 扩展突发事件检测研究的对象， 弥补现有应用场景的空白， 本文围绕突发词实时检测、候选突发事件聚类与突发事件地域模式自适应识别这三个核心内容， 提出一种基于地域自适应的突发事件实时检测方法（ ＲＡ ＥＤ ｅｔ ｅ ｃ ｔ ｉ ｏｎ ） ． 首次在公共服务领域， 在诉求记录缺失ＧＰＳ 坐标`?╛?的情况下， 充分利用诉求记录中的文本地址进行事件地域分布模式的自适应识别， 实现对于突发事件实时、准确的识别．本文的主要创新点与贡献如下：（ １ ） 提出一种基于增量式Ｋ ｌ ｅ ｉｎ ｂ ｅ ｒｇ 模型的突发词实时检测算法， 克服了现有批处理式Ｋ ｌ ｅ ｉ ｎ ｂｅ ｒｇ模型的局限性， 实现对于流式增量数据的高效突发词实时检测分析；（ ２ ） 提出一种基于分层语义分析的候选突发事件识别算法． 先根据突发词的主题层语义生成突发主题事件， 再根据诉求记录的事件层语义对每个突发主题事件进行更细粒度的划分， 形成候选突发事件， 提高候选突发事件识别的精度；（ ３ ） 首次提出一种基于事件地域树的地域模式自适应识别算法， 根据地域范围对候选突发事件进行拆分与噪声数据过滤， 减低事件检测的重复率；（ ４ ） 应用城市公共服务热线真实数据集的实验结果， 验证了本文提出方法的有效性；２ ２ ６ ２ 计算机学报 ２ ０ ２ ０年（ ５ ） 相关研究成果已经成功落地应用于江苏省公共服务热线平台．本文第２ 节介绍相关工作； 第３ 节给出ＲＡ Ｅ －Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ 方法的整体框架； 第４ 节介绍基于增量式Ｋｌ ｅ ｉ ｎ ｂ ｅ ｒ ｇ 模型的突发词实时识别算法； 第５ 节阐述候选突发事件识别算法； 第６ 节给出突发事件地域模式自适应识别算法； 第７ 节进行了实验与分析；第８ 节对本文进行了总结与展望．２ 相关工作根据突发事件发生的地域范围不同， 现有的突发事件检测方法可以分为基于广域模式与基于局部模式的突发事件检测方法．呈局部模式爆发的事件主要集中在某一个局部地域范围中， 例如某社区发生停水、某社区存在违建乱搭现象、某地因道路施工而发生拥堵等事件． 文献［８］ 针对Ｔ ｗ ｉ ｔ ｔ ｅｒ 数据流， 提出了一种基于Ｇ ＰＳ 坐标的局部事件实时检测算法． 文献［１ ２］ 提出了一种基于多模态的嵌入模型Ｔ ｒ ｉ ｏ Ｖ ｅ ｃ Ｅｖ ｅ ｎｔ ？ 该模型将Ｔ ｗ ｉ ｔ ｔ ｅ ｒ 数据的地理信息、时间信息与语义信息映射到同一个隐式向量空间中， 然后采用基于混合贝叶斯模型的聚类算法， 从Ｔ ｗｉ ｔ ｔ ｅｒ 数据流中检测突发事件． 文献［１ ３］ 通过统计某个地域范围内微博热词出现的频率、关联用户数量以及转发、阅读、评论等社交行为发生次数， 进行突发词汇检测， 并在突发词关联网络中采用层次聚类方法生成突发事件． 文献［ １ ４ ］ 提出了一种可定制化的时空事件检测方法．用户可以根据自身关注的不同领域进行特定事件检测． 先从数据中发现该事件， 然后再确定其发生的地域范围． 文献［１ ５］ 则提出了一种地理时序模式挖掘算法， 先利用聚类算法对微博进行聚类， 然后， 如果某个地域内某类微博的数量显著增加， 则认为该地域发生突发事件．这类方法的优势在于， 能够提高某个局部地域范围内事件检测的准确率， 减少噪声数据的引人． 但是其局限性在于， 会错误地把发生范围涉及多个不同局部地域的广域事件拆分为多个局部事件． 增高事件检测的重复率， 导致准确率下降．呈广域模式爆发的事件大多涉及多个局部地域范围， 例如台风、地震等灾害事件． 文献［ １ ６］ 提出了一种基于Ｔｗ ｉ ｔｔ ｅ ｒ 数据的地震事件实时检测方法．利用粒子滤波器判断某条Ｔ ｗｅ ｅ ｔ 是否与地震事件相关， 如果与地震相关的Ｔ ｗｅ ｅ ｔ 数量激增则触发系统报警． 文献［１ ７］ 则通过计算Ｔｗ ｅ ｅ ｔ 中单词出现频率加速比的方式， 快速识别突发词汇， 并提出一种基于单一主题模型的突发词汇聚类算法Ｔ ｏ ｐｉ ｃＳ ｋ ｅ ｔ ｃ ｈ．该算法将语义相似的突发词汇检测为同一个事件．由于未对地址信息进行细分处理， 该算法存在将语义相似但实则发生在不同局部地域的不同事件误判为同一个广域事件的局限性． 文献［ １ ８］ 应用小波变换与自相关系数来度量数据流中词汇的突发性， 然后根据互相关系数将突发词汇构建为一种图结构，再通过子图划分确定突发事件． 文献［ １ ９］ 以不同国家为地域单位， 提出一种基于位置感知的事件检测模型． 首先从Ｔ ｗ ｅ ｅｔ 文本内容中获取地域信息， 然后将事件表示为其所涉及的国家范围与参与讨论用户数量的向量， 最后基于向量间欧氏距离进行事件识别与检测．这类方法都是为广域突发事件检测而设计的，如果直接将这些方法应用到公共服务领域， 会引人更多的噪声数据， 降低事件检测的准确率．上述工作对突发事件检测做了许多有益的探索， 也取得了一些研究成果． 然而， 目前还缺少一种能够根据事件性质的不同， 自适应地确定其地域突发模式的事件检测方法． 对此， 本文提出了一种基于地域自适应的突发事件实时检测方法， 该方法能够：（ １ ） 对流式增量数据进行实时突发事件检测；（ ２ ） 通过基于分层语义分析的候选突发事件识别算法提高候选突发事件检测的准确性；（ ３ ） 自适应地识别事件发生的地域模式， 将分布在各个局部地区的广域突发事件， 聚合为一个完整的突发事件， 同时， 能够过滤局部突发事件中存在的噪声数据？ 降低事件检测的重复率， 提高事件检测准确性．３Ｒ Ａ Ｅ Ｄｅ ｔｅ ｃ ｔ ｉ ｏｎ方法框架基于地域自适应的突发事件实时检测方法ＲＡ Ｅ Ｄｅ ｔ ｅ ｃ ｔ ｉ ｏ ｎ 的整体框架如图１ 所示．输入图１ＲＡ Ｅ Ｄｅ ｔ ｅｃ ｔ ｉ ｏｎ 方法框架麦丞程等： 公共服务热线中基于地域自适１ ２ 期 应 的 突 发事 件实 时检测 方法 ２２ ６３该方法由３ 个主要部分组成：（ １ ） 增量式突发词实时识别． 提出一种增量式Ｋ ｌ ｅ ｉｎ ｂ ｅｒ ｇ 模型， 对诉求记录数据流中词汇的突发状态进行实时识别；（ ２ ） 基于分层语义分析的候选突发事件识别．采用主题模型实现对于描述相同主题事件的突发词聚类， 再利用文本聚类算法， 如Ｋ － Ｍ ｅ ａ ｎｓ 聚类算法［２ ° ］， 生成候选突发事件；（ ３ ） 突发事件地域模式自适应识别． 通过构建包含市级、区级、街道级地址的事件地域树， 自适应识别不同事件发生的地域模式． 在此基础上， 对候选突发事件进行噪声数据过滤， 并根据缓存的历史事件信息， 实时获得最终的突发事件．各部分工作将分别在第４ 、５ 、６ 节中给出．４ 增量式突发词实时识别算法突发词识别对于突发事件检测具有良好的线索作用， 其主要思想是判断某个时间窗口内某个词汇出现的频率是否激增． 如果是， 则有可能存在突发事件： １３］．现有基于Ｋ ｌ ｅ ｉ ｎ ｂ ｅｒ ｇ［２ １ ］ 模型的突发词识别算法只能以批处理的方式对给定时间窗口内的全量数据进行突发词识别． 但是， 其无法对流式增量数据场景下的突发词实时识别．考虑到公共服务热线中的诉求记录天然包含有序的时序信息， 是一种典型的时序数据流． 因此， 我们对现有的批处理式Ｋ ｌ ｅｉ ｎ ｂｅ ｒ ｇ 模型进行改进， 提出一种适用于流式数据的增量式Ｋ ｌ ｅ ｉ ｎ ｂｅ ｒ ｇ 模型，克服了现有批处理式Ｋ ｌ ｅｉ ｎ ｂｅ ｒ ｇ 模型的局限性， 实现突发词汇的实时识别． 该模型结构如图２ 所示．突发状态时间剛观ｉ ｉ值００图２ 增量式Ｋ ｌ ｅ ｉ ｎ ｂ ｅｒ ｇ 模型在增量式Ｋｌ ｅ ｉ ｎｂ ｅｒ ｇ 模型中， 单词ｗ 的突发行为被描述为一段时间窗口内突发状态与非突发状态的相互转换过程． 状态变量ｓ， 表示单词ｗ 在第／ 时刻的突发程度． 若＼＝１ ， 则该单词处于突发状态， 即为突发词； 若＼＝ 〇， 则该单词处于非突发状态． 观测变量工， 表示单词ｗ 在时刻ｆ 时与上次该单词出现时刻ｉ 一１ 之间的时间间隔．假设单词ｗ 以一定概率随机出现， 单词ｔｅ； 前后两次出现的时间间隔ｘ 服从的概率分布记为Ｂ（ ｊ， ＋ ｉ， ｓ， ＋ ｉ）＝ｕ°＇，．丨．一丨＞０ “，＋ｉ＝〇，ｌ（ １ ）其中， Ｂ ＋ ｉ ｜ ） 表不输出观测值ｘ ， ＋ １ 的概率，表示ｚ ＋ １ 时刻单词Ｗ 在突发状态ｓ ， ＋ １ 的条件下的产生速率， 记为ａ， ＋ ｌ＝（ ＮＪ Ｔ ）？ｇ＾，ｇ ＞ ｌ（ ２ ）． 表示给定时间窗口内单词ｗ 出现的总次数， Ｔ 表示时间窗口〈Ｗｆ ？ ，， 乂〉的跨度．从状态６， 转移到状态＼ ＋ １ 的总体代价函数为Ａ （ ｓ，  ？ ｘ， －ｈ ， ５， ＋ １） ＝ｒ （ ５，  ， ５， ＋ １）—ｌ ｎ ｊＢ （ ｊ ｃ／ ＋ ｉ  ， ｓ， ＋ ｉ ）（ ３ ）状态ｉ＇，＋ １ 取值为〇或１． ｒ Ｕ ，．ｓ＋ １ ） 表示从状态＼ 转移到ｓ， ＋ １ 的转移代价， 表示为ｆ（ ｓ，  ＋ｉ—５，）ｙ ｌ ｎＮ？． ， ｓ，＝ ０＾５ ， ＋ ｉ ＝ １ｒ （ ｓ，  ，５， ＋ １ ）＝＾，？（ ４ ）［０ ，ｓ， ＝ １＝ ０规定从突发状态＆＝１ 转移到非突发状态ｓ， ＋ ，＝ ０ 的代价为〇， 超参数ｙ 取值在实验部分给出．为了对实时诉求记录数据流进行增量式突发词识别， 本文给出增量式Ｋ ｌ ｅ ｉ ｎ ｂ ｅｒ ｇ 模型中第ｆ ＋ １ 时刻单词扣状态的计算公式：ｓ，  ＋ ｉ＝ ａｒ ｇ ｍｉ ｎ Ａ Ｃ ｓ， ， ｘ ， ＋ ｔ  ？ ５， ＋ｉ ）（ ５ ）＜， ＋，＝ｉ 〇－ ｎ求得使代价函数Ａ 最小化的．ｖ， 值， 即为单词ｗ 在ｔ ＋ １ 时刻的状态． 若＆ ＋ １ ＝１ 使得Ａ 最小， 则该单词在《＋  １ 时刻为突发词．５ 基于分层语义分析的候选突发事件识别算法根据观察， 我们发现突发事件的发生通常伴随着多个相关突发词的出现． 为了根据突发词挖掘出相对应的突发事件， 同时为了避免因直接针对大量短文本诉求记录进行聚类而造成的数据稀疏性问题， 本文提出一种基于分层语义分析的候选突发事件识别算法， 其设计思想如下：（ １ ） 主题层语义分析． 本文通过引人主题模型捕获突发词的隐层主题语义相似度信息， 将隶属于同一个主题的突发词进行聚类？ 指明包含这些突发词的诉求记录与突发主题事件聚类结果间的关系．文献［２ ２］ 曾指出将现有的主题模型直接应用于短文本诉求记录上效果不佳， 为此， 本文给出了一种将短文本诉求记录聚合为长文本数据的方法：首先， 假设在时间窗口〈Ｗｈ ， ， 内存在Ｎ个突发词， 根据第４ 节突发词识别结果， 将所有包含突发词的诉求记录聚合为一个长文档， 记为Ａ，． 对所有突发词执行相同操作， 得到长２ ２ ６ ４计算机学报２ ０ ２ ０ 年文档集合ｃ ＝ ｛Ｄ？．，，…， Ｄ？ｖ，…， Ｌ？？，ｖ｝ ．然后， 运用主题模型在长文档集合Ｃ 上训练得到“ 文档－ 主题”分布０ 与“ 主题－ 词”分布私对于诉求记录／？， 根据Ｇ ｉ ｂ ｂｓ 采样公式：ｐ ｛ ｚｋ ．＝ ｋ＼ｚ ＾ ｋｉ， ｗ） ， ｌ ＜ｉ ＜ Ｋ（ ６ ）计算该记录ｒ 中的主题分布ｆ 其中Ｋ 表示Ｃ 中所有的主题数量， ｗ 表示ｒ 中的所有词汇向量， ＇表示ｒ 中的第ｔ 个主题．最后， 选择ｒ？ 中出现概率最髙的主题Ａｍａ ｘ 作为该记录的隶属主题， 并将隶属于相同主题々的记录识别为突发主题事件Ｔ￡ｔ ．（ ２ ） 事件层语义分析． 在获得突发主题事件的基础上， 我们发现属于同一个突发主题事件的诉求记录集合中时常混杂较多的噪声数据． 例如， 诉求记录１：“ 广州路社区因道路施工发生停水， 请尽快恢复”； 诉求记录２：“ 广州路社区发生停水， 有施工队在附近施工”， 诉求记录３ ：“上海路水管破裂， 道路无法通行” 都会被识别为与“停水” 相关的突发主题事件． 但实际上， 诉求记录３ 显然不是某个特定社区的停水问题， 而是由水管破裂引起的交通问题．为了将突发主题事件进一步细分为多个具体的候选突发事件， 过滤其中的噪声数据， 本文进一步采用文本聚类算法对每个突发主题事件Ｔ私中的诉求记录集合再次进行事件层级上的语义聚类， 最终得到了更细粒度的事件聚类结果， 并将每个聚类结果识别为候选突发事件艮， 同时将由所有候选事件组成的候选突发事件集合记为， Ｓ 艮＝｛ 瓦，，…， ￡％｝ ．通过上述基于分层语义分析的候选突发事件识别算法， 可以在突发事件检测过程中充分利用突发词及其对应诉求记录的隐层主题语义信息与事件层语义信息， 实现对于候选突发事件识别结果的不断细分取精．６ 地域模式自适应识别算法在获得候选突发事件之后， 为了进一步确定事件发生涉及的地域范围， 提升突发事件检测的准确性， 本文提出了一种基于事件地域树的地域模式自适应识别算法．首先， 判断事件的发生是否与地域相关； 若相关， 则构建事件地域树， 自适应识别该事件发生的地域模式； 若不相关， 则直接根据事件的语义信息进行事件聚类． 然后再根据识别的地域模式对第５ 节中得到的候选突发事件进行噪声数据过滤， 得到最终的突发事件．６． １ 地域相关性判别给定候选突发事件艮， 其包含的每条记录记为ｒ，ｊ Ｅ＾ ＝｛ ｎ ，…， ｎ ，…， ｝ ， 其中，｜ ＆ ｜表ｔｔ ｃ 候选事件艮中的记录数量． 本文采用Ｎ ＬＴＫ ？ 提供的命名实体抽取工具对每条记录ｒ 进行地域信息抽取， 并保存在其地域集合中？ 设指示函数：ｆｌ ，Ｒ ｅｇｉ ｎＳ ｅｔ Ｃｒ） ＾ ０Ｊ （ ｒ ）＝一（ ７ ）１〇，Ｒ ｅｇｉ ｎＳ ｅｔ Ｃ ｒ ）＝０给出地域相关性阈值ｒ ， 根据算式（ ８ ） ， 若中包含地域信息的记录ｒ， 的比例超过＾ 则认为该候选事件艮的发生与地域相关．ＩＥＩ（ ８ ＞６ ． ２ 事件地域树的定义与构建６ ． ２ ． １ 事件地域树的概念及定义以南京市诉求记录为例， 候选事件艮中记录ｒ的扣（ ｒ ） 一般呈现为｛ 南京市， 鼓楼区， 宁海路街道｝，｛ ｎ ｕ ｌｌ， 玄武区， 新街口街道｝ ， ｛ ｍｉ ｌ ｌ， ｍｉ ｌ ｌ， 夫子庙街道｝ 等多层级结构． 本文结合国家统计局全国行政区划信息？， 补全ｒ ） 中缺失的各层级地域信息（ 标识为ｎ ｕｌ ｌ ） ， 将所有记录ｒ 的地域信息规范化为（ ＸＸ 市， Ｘ Ｘ 区， ｘｘ 街道｝ 的形式， 记为｛Ｌ Ｓ ＬＳ Ｌ３｝ ， 形成一种三层事件地域树的结构． 先给出事件地域树的基本符号解释与定义．定义１． 事件地域树（ Ｅ ＴＶａ ） ． ______事件地域树是一种层数为３ 且满足３ 个条件的多叉树结构：（ １ ） 第１ 层（ 市级） 中， 存在唯一一个地域节点，也是该事件地域树的根节点， 记为Ｌ１． 其数值ＩＬ １｜表示候选事件中包含地址Ｌ １ 的记录数量．（ ２ ） 第２ 层（ 区级） 中， 对Ｌ１ 细分为Ｈ 个地域节点， 其中第ｉ 个节点记为Ｌ？ ， ￡６ ［ １， Ｈ］ ． 其数值｜ Ｌ？ 丨表示候选事件中包含地址Ｕ 的记录数量．（ ３ ） 第３ 层（ 街道级） 中对每个Ｌ？ 节点再细分为叫个子节点， Ｌ丨节点下第ｊ 个子节点记为Ｌｊ６［ １ ， 叫］ ． 其数值｜Ｌ ｉ， ｜ 表示候选事件中包含地址Ｌ ｉ，的记录数量．６ ． ２ ．  ２ 事件地域树的构建首先， 将艮中所有记录共有的第１ 层（ 市级） 地域信息作为根节点， 记为； 然后， 将各个记录中的第２ 层（ 区级） 地址信息作为Ｌ１ 的子节点， 记为Ｌ？ ，表示地址为Ｌ１ 市的第￡个市辖区； 最后将记录中第① ｈｔ ｔ ｐ ： ／ ／ ｗｗｗ． ｎｌ ｔ ｋ ．ｏ ｒｇ／② ｈｔｔ ｐ ： ／ ／ ｗｗｗ． ｓ ｔ ａ ｔ ｓ， ｇｏ ｖ． ｃ ｎ／ ｔｊｓｊ／ ｔｊ ｂｚ ／ ｔｊ ｙｑ ｈ ｄｍｈｃ ｘｈ ｆ ｄｍ／麦丞程等： 公共服务热线中基于地域自适１ ２ 期 应 的突 发 事件 实时检 测 方法 ２２ ６５３ 层（ 街道） 地址信息作为Ｕ 的子节点， 记为Ｌ） ． ，， 表示地址为Ｌ 丨区的第；＿ 个街道． 构建的事件地域树如图３ 所示．６ ． ３ 地域模式自适应识别相关统计研究表明：７ ］， 局部模式事件主要集中发生在某一地域范围内； 广域模式事件发生范围则通常涉及多个地域．基于此， 我们将一个空间划分为Ｈ 个地域， 每个地域表示为对于第６ ．  １ 节中确定的与地址相关的事件Ｅ，， 其地域模式fs5可能涉及其中的／ ＾ 个地域根据最大熵原理Ｍ， 假设某个事件Ｅ 的真实地域分布服从参数为Ａ 的离散型均匀分布乙ＵＵ Ｕ ） ， 将其记为事件的地域假设分布Ｐ （ Ｌ ，） ， 概率分布函数为Ｊ°（ Ｌ；）＝丄， ｉ＝ｌ ， ２ ，一， ／ｉ（ ９ ）ｈ其中， Ｐ （ Ｌ ，） 的数值表示事件￡； 发生在地域Ｌ ， 中的概率．通过统计候选事件￡：， 中的地址信息， 可以得到候选突发事件Ｅ， 实际发生的地域分布概率函数， 将其记为事件的地域频率分布Ｑ （ Ｌ ） ：Ｎ，Ｑ （ Ｌ ， ）＝ －＾ ， ｚ＝ｌ ， ２ ，－， Ｋ（ １ ０ ）其中，ＪＶ ， 表示候选事件￡：， 发生在地域Ｌ ， 中的记录数量， Ｎ 表示该候选事件中的记录总数．考虑到总有因此． 取Ｑ （ Ｌ， ） 中概率值最大的前Ａ 个值： ０ （ 、），…， Ｑ （ Ｌ，） ，…， Ｑ Ｏｗ，），（ Ｑ （ Ｌ ， ） 之Ｑ （ Ｌ，＋ １ ） ） ， 并按照概率值降序排序， 得到突发事件Ｔｏ ｐ－／ ； 地域集合Ｔ ｏ ｐ＿Ａ ？ 同时， 对这些地址出现的概率进行归一化处理， 得到：Ｎ ．－ ／ ＮＱ，ａ， ）＝ －（ １ １ ）Ｔ，Ｎ， ／ Ｎ为了确定Ａ 的最佳取值， 识别该突发事件的地域模式， 本文采用Ｋ Ｌ 距离来衡量统计获得的候选事件Ｅ， 的地域频率分布与其对应的地域假设分布之间的差异性， 目标函数如算式（ １ ２ ） 所示．通过网格搜索的方式． 确定使得Ａ 最小的△ 值， 即最小化ｐ ａ，） 与ｑ ＇（ ｌ，） 之间的偏差， 如算式（ １ ３ ） 所示．／ ｉ＝ａ ｒｇ ｍｉ ｎ ｛ ＿ ７ ｉ ，…， Ｊ ，，，…， ＿／ Ｈ ｝（ １ ３ ）最终确定该事件￡： 的地域分布模式：（ １ ） 若／ ｊ ＝ｌ ， 则事件Ｅ 呈现局部模式， 其发生的地域范围只集中在突发事件地域集合中出现概率最高的地址范围内；（ ２ ） 若／ ｉ ＞ ｌ ， 则事件￡： 呈现广域模式， 其发生地域范围涉及突发事件地域集合中的前Ａ 个地址， 其余地域Ｌ ，，＋ １ ，…， Ｌ Ｋ 则可作为噪声数据进行过滤．需要指出的是， 对于事件地域树而言，位于第２ 层（ 区级） 地址集合｛Ｌ ？ ，…， Ｌ２Ｈ ｝ 的地域突发模式由Ｖ 表示， 其数值含义为该事件发生的地域范围涉及Ａ２ 个区级地域， 相对应的突发事件地域范围集合表示为Ｔ〇／＞ｊ２．类似地， 位于第３ 层（ 街道级） 的某个节点下子节点集合Ｌ Ｌ，，，丨的地域突发模式由Ｗ 表示， 其数值含义为该事件发生的地域范围涉及Ｖ 个街道级地域， 相对应的突发事件地域范围集合表示为Ｔ〇／ ＞Ｊｒ、如图３ 中黑色虚线框中所示．６ ． ４ 突发事件生成根据第６ ． ３ 节中地域模式自适应识别的结果，我们给出从候选事件移除噪声数据的过滤策略：过滤策略． 如果候选事件Ｅ， 中记录ｒ 的地址不在其对应层级的突发事件地域集合中， 则将该记录作为噪声数据移除．结合第６ ． ２ 节定义的事件地域树， 算法１ 给出基于地域自适应的突发事件检测算法．算法１ ． 基于地域自适应的突发事件检测算法．输人： 候选突发事件， 事件地域树￡； ７＞？＾ ， 地域相关性阈值ｒ输出： 突发事件Ｅ１．ｌ Ｆ ｊ＾Ｉ （ ｒ，） ／ ＼ Ｅ ＼ ＜ ｔ１＝ １２ ．将Ｅ． 标识为￡：； ／ ＊ 该事件与地域无关＊／３ ．Ｅ ＬＳ Ｅ４ ．计算Ｅ Ｔｒ伙中，…， Ｌ ２？ ｝ 的最优Ｖ 取值？ 获得Ｔｏｐｊｒ９； ／ ＊ 根据算式（ １ ３ ）计算区级地域模式＊／５．ＦＯ Ｒｅ ａ ｃ ｈ ｒ Ｇ�Ｅ，ｄｏ６．／＊ 执行过滤策略＊／２ ２ ６ ６ 计算机学报 ２ ０ ２ ０年７ ．备＝ ｎ Ｌ２ 在｛ 以，…， Ｌ ２Ｈ ｝ 中对应次序的下标．８．将记录ｒ 放入临时记录集合＆ 中；９．ＥＮＤＩＦ１ ０ ．ＥＮＤ ＦＯ Ｒ１ １．ＦＯ Ｒ２＝ １ｔ ｏＨ１ ２ ．ＩＦＳ ，＾ ０１ ３ ．计算Ｅ ７＞從中｛ Ｌ＾ ，…， ｝ 的最优Ｗ 取值， 获得／ ＊ 根据算式（ １ ３ ） 计算街道级地域模式＊／１ ４ ．ＦＯＲｅ ａ ｃ ｈ ｒ６Ｓ ， ｄｏ１ ５ ．ＩＦ ｒ． Ｌ ３ £ Ｔｏｆｉｊｉ； ／＊执行过滤策略＊／１ ６．将记录ｒ 放人事件￡： 中；１ ７ ．Ｅ Ｎ ＤＩ Ｆ１ ８ ．ＥＮ ＤＦＯ Ｒ１ ９ ．Ｅ ＮＤＩＦ２ ０．Ｅ ＮＤ ＦＯ Ｒ２ １． Ｅ ＮＤＥ ＬＳＥ对于候选事件集合Ｓ￡ｆ 中的每个候选事件艮执行算法１ ， 得到最终的突发事件集合Ｓ￡＝｛ Ｅ ｉ６． Ｓ 基于滑动时间窗口的突发事件实时检测为了实现对于突发事件的实时检测， 本文提出了一种基于滑动时间窗口的突发事件实时检测策略， 如图４ 所；－ － Ｒｅ ｃｏｒｄ， Ｒｅｃｏ ｒｄ２… Ｒｅｃｏ ｒｄ＾＆ＱＷ 存储￣ ￡２￣ Ｒｅ ｃｏ ｒｄ， Ｒｅｃ ｏ ｒｄ２Ｒ ｅｃｏｒ ｄ＾滑动ｎ事件缓存－ Ｋ－ Ｒｅ ｃｏ ｒｄ ｔＲｅｃｏｒｄ ２… Ｒｅｃｏ ｒｄ？ ｍＱＷ’合并Ｒｅ ｃｏｒｄ ｘ Ｒｅｃｏｒｄ ２ Ｒｅｃｏｒ ｄ＾ｆ图４ 增量突发事件检测策略首先， 我们对时间窗口Ｑ Ｗ 内所有诉求记录执行Ｒ ＡＥＤｅ ｔｅ ｃ ｔｉ ｏ ｎ 方法进行突发事uc2A件检