Tracking the events correlation in the news flow

Abstract

Аннотация к выпускной квалификационной работе бакалавра на тему “Отслеживание взаимосвязей событий в новостном потоке”. Работа выполнена студентом 4 курса кафедры ‘Технологии программирования’ факультета Прикладной математики и процессов управления Санкт-Петербургского Государственного Университета Власовым Игорем Алексеевичем. В рамках исследования мной были изучены разные подходы к решению задач по анализу данных и тематическому моделированию. Цель работы заключалась в построении математической модели выделения взаимосвязей между новостными событиями в социальной сети “Одноклассники”. Этапы моделирования можно выделить следующие: • Выбор модели для представленния данных; • Выбор функции для вычисления семантической близости; • Выбор функции для добавления временной зависимости; • Выбор методов очистки от ‘слабых’ связей; • Программная реализация модели. В результате проведенного исследования была спроектирована и реализована система для автоматического выделения наличия взаимосвязей между трендовыми событиями. Актуальность проведеного исследования заключается в необходимости нового подхода к структурированию информации в сети. Это вызвано увеличением объемов новостных данных в социальных сетях. Полученная система имеет возможности для дальнейшей модификации, например, добавление к рассмотрению новых параметров, а также адаптация для работы в режиме реального времени. Также, за счет современных подходов, данная модель имеет возможность легкой интеграции различные системы.

Annotation to the graduate work on the topic “Tracking the relationship of events in the news flow”. The work was done by a 4th year student of the ‘Programming Technology’ Department of the Faculty of Applied Mathematics and Management Processes at St. Petersburg State University Igor Alekseevich Vlasov. As part of the study, I studied various approaches to solving problems of data analysis and thematic modeling. The purpose of the work was to build a mathematical model of the allocation of relationships between news events in the social network 'Odnoklassniki'. The stages of modeling are the following: • Selection of a model for data presentation; • Selection of a function to calculate semantic proximity; • Selection of a function to add a time dependency; • Choice of cleaning methods for ‘weak’ bonds; • Software implementation of the model. As a result of the study, a system was designed and implemented to automatically highlight the presence of relationships between trend events. The relevance of the study is the need for a new approach to the structuring of information in the network. This is due to an increase in the amount of news data in social networks. The resulting system has the potential for further modification, for example, adding to the consideration of new parameters, as well as adaptation to work in real time. Also, due to modern approaches, this model has the ability to easily integrate various systems.