一种基于CNN-RNN的社交媒体中突发事件感知方法

李小平，白 超

(兰州交通大学 机电工程学院，甘肃 兰州 730070)

据中国互联网信息中心(CNNIC)数据显示，我国手机上网人数为8亿左右。每一个手机用户就是一个独立的社会传感器，可以随时通过微博、微信等移动社交方式发送所见所闻，成为社会舆论热点、突发危机事件传播的第一触角。近年来，社交媒体大数据已经在突发事件情境感知、监管决策和应急处理等方面提供了有价值的信息[1-3]，对有效帮助应急救援决策部门及时、果断地做出正确决策提供了新的思路和手段，也引起了新闻传播、计算机科学、公共管理等诸多领域学者的关注和研究[4]。

社交媒体中突发事件的感知属于“热点舆论”传播的范畴，一般采用复杂网络的方法进行研究。Jermaine等[5]利用多层神经网络从社交网络数据中感知事件真相；陈震等[6]基于贝叶斯网络进行舆情事件趋势分析；杨峰等[7]将情报资源分析之上的情景要素与当前突发事件呈现的特征属性进行相似度检验，然后通过扎根理论、文本分词、特征词提取以及相似度计算等方法实现情报感知；王艳东等[8]基于社交媒体数据建立应急主题分类模型，并对突发事件的空间分布规律和异常区域进行了挖掘分析；赵又霖等[9]针对社会感知数据进行了多源异构融合及语义层面的知识组织，构建了社会感知数据驱动下的时空语义模型。

随着大数据技术的应用及计算机处理能力的提升，深度学习技术也逐渐应用于社交媒体分析，并显示出强大的解决能力。……