TrioVecEvent

Detectar eventos locais (por exemplo, protesto, desastre) em seus começos é uma tarefa importante para uma ampla gama de aplicações, que vão desde controle de desastres até monitoramento de crimes e recomendação de locais. Nos últimos anos, houve um crescente interesse em aproveitar fluxos de tweets geoetiquetados para a detecção online de eventos locais. No entanto, as precisões dos métodos existentes ainda permanecem insatisfatórias para a construção de sistemas confiáveis de detecção de eventos locais. Propomos o TrioVecEvent, um método que aproveita embeddings multimodais para alcançar detecção de eventos locais online com precisão. A eficácia do TrioVecEvent é sustentada por seu esquema de detecção em duas etapas. Primeiro, ele garante uma alta cobertura dos eventos locais subjacentes dividindo os tweets na janela de consulta em clusters geo-tópicos coesos. Para gerar clusters geo-tópicos de qualidade, capturamos a semântica de textos curtos aprendendo embeddings multimodais da localização, tempo e texto, e em seguida realizamos agrupamento online com um novo modelo de mistura bayesiano. Em segundo lugar, o TrioVecEvent considera os clusters geo-tópicos como eventos candidatos e extrai um conjunto de características para classificar os candidatos. Aproveitando os embeddings multimodais como conhecimento de fundo, introduzimos características discriminativas que podem bem caracterizar eventos locais, o que permite identificar eventos locais reais a partir do conjunto de candidatos com uma pequena quantidade de dados de treinamento. Usamos crowdsourcing para avaliar o TrioVecEvent e descobrimos que ele melhora o desempenho do método de ponta em uma grande margem.