{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,8,23]]，“日期-时间”：“2024-08-23T18:28:26Z”，“时间戳”：1724437706903}，“参考-计数”：64，“出版商”：“Springer Science and Business Media LLC”，“问题”：“8”，“许可证”：[{“开始”：“日期-零件”：[2023,8,16]]，”日期-时间我”：“2023-08-16T00:00:00Z”，“timestamp”：1692144000000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.springernature.com//gp\/researters\/text-and-data-mining”}，{“start”：{“date-parts”：[[2023,8,16]]，“date-time”：“2023-08-16T00:00:00Z”，“timetamp”：692144000000neneneep，“content-version”：“vor”，“delay-in-days”：0,“URL”：“https:\/\/www.springernature.com//gp\/researters\/text-and-data-mining”}]，“content-domain”：{“domain”:[“link.springer.com”]，“crossmark-restriction”：false}，“short-container-title”：[“Multimed Tools Appl”]，”DOI“：”10.1007\/s11042-023-16263-3“，”type“：”journal-article“，”created“：{”date-parts“：[2023,8,16]]，”date-time“：”2023-08-16T03:“14:12Z“，”时间戳“：1692155652000}，“page”：“23437-23464”，“update-policy”：”http://\/dx.doi.org\/10.1007\/springer_crossmark_policy“，”source“：”Crossref“，“is-referenced-by-count”：12，“title”：[“使用社区检测算法从实时推特流数据中检测事件”]，“前缀”：“10.1007”，“卷”：“83”，“作者”：[{“给定”：“Jagrati”，“家族”：“Singh”，“序列”：“first”，“affiliation”：[]}，{“ORCID”：“http://\/ORCID.org\/00000-0003-0353-174X”，“authenticated-ORCID”：false，“given”：”Digvijay“，“family”：“Pandey”，“sequence”：”additional“，”affiliance“：[]{，“giving”：“Anil Kumar”，“faily”：”Singh“，“segment”：“additional”，“filiation“[]}]”，“member”：“297”，“published-on-line”：{日期部分“：[[2023,8,16]]}，”参考“用法：[{“issue”：“2”，“key”：“16263_CR1”，“doi-asserted-by”：“publisher”，”first page”：”365“，”doi“：”10.1007\/s10707-016-0258-x“，”volume“：”21“，”author“：”H Abdelhaq“，”year“：”2017“，”unstructured“：”Abdelhaq-H，Gertz M，Armiti A（2017）高效在线提取推特中本地化事件的关键字。GeoInformatica 21（2）：365\u2013388“，”journal-title“：“GeoInformatica”}，{“issue”：“4”，“key”：“16263_CR2”，“doi-asserted-by”：“publisher”，“first page”：”1071“，“doi”：“10.1016\/j.tele.2016.03.002”，“volume”：：“33”，“author”：“S Ahmed”，“year”：“2016”，“unstructured”：“Ahmed S，Jaidka K，Cho j（2016）推特上的2014年印度大选：政党竞选策略的比较。Telematics Inform 33（4）:1071\u20131087“，”期刊标题“：”Telematics Inform“｝，｛”key“：”16263_CR3“，”doi断言“：”crossref“，”非结构化“：”Akhgari Z，Malekimajd M，Rahmani H（2022）Sem-ted：语义推特事件检测和与新闻报道相适应。In：2022第8届国际网络研究会议（ICWR）。IEEE，pp 61\u201369“，”doi“：”10.1109 \/ICWR54782.2022.9786234“}，{“key”：“16263_CR4”，“doi-asserted-by”：“crossref”，“unstructured”：“Akhgari Z，Malekimajd M，Rahmani H（2022）Tedgram:使用基于图形的方法检测twitter事件。In:2022第八届网络研究国际会议（ICWR“，”doi-asserted-by“：”crossref“，”unstructured“：”Allan J（2002）《主题检测和跟踪导论》。主题检测和跟踪：基于事件的信息组织。Springer US，\u00a0Boston，MA，pp 1\u201316“，“DOI”：“10.1007\/9781-4615-0933-2_1”}，{“issue”：“1”，“key”：“16263_CR6”，“DOI-asserted-by”：“publisher”，“first page”：第282页，“DOI:”10.3390\/ijerph18010282“，”volume“18”，“author”：“E Alomari”，”year“2021”，”unstructured“：”Alomarie E，Katib I，Albeshri A，Mehmood R（2021年）新冠肺炎：使用分布式机器学习从推特阿拉伯数据中检测政府大流行措施和公众关注。Int J Environ Res Public Health 18（1）：282“，”journal-title“：”Int J环境研究公共健康“}，{“key”：“16263_CR7”，“doi-asserted-by”：“crossref”，“unstructured”：“Bhuvaneswari A，Jayanthi R，Meena AL（2021）使用apache spark提高在线社交网络推特流中危机事件检测率。J Phys-Conf Ser 1950:012077”，“doi”：“10.1088\/1742-6596\/1950\/1/012077“}，{“key”：“16263_CR8”，“doi-asserted-by”：“crossref”，“unstructured”：“Blei，DM，Lafferty，JD（2006）动态主题模型。摘自：第23届国际机器学习会议记录，第113\u2013120页。ACM“，”DOI“：”10.1145\/1143844.1143859“}，{”issue“：”Jan“，”key“：”16263_CR9“，”first page“：“993”，“volume”：“3”，”author“：”DM Blei“，”year“：”2003“，”unstructured“：”Blei DM，Ng AY，Jordan MI（2003）Latent dirichlet allocation。J Mach Learn Res 3（Jan）：993\u20131022“，”journal title“：”J Mach Learn Res“}”，{“issue”：“”10“，”key“：”16263_CR10“，”DOI-asserted-by“：”publisher“，”first page“：”10008“，”DOI“：”10.1088\/1742-5468\/2008\/10\/P10008“、”volume“：“2008”，”author“：”VD Blondel“，”year“：”2008“，”unstructured“：”Blondel VD，Guillaume J-L，Lambiotte R，Lefebvre E（2008）大型网络中社区的快速发展。J Stat Mech Theory Exp 2008（10）：10008“，”journal-title“：”J Stat Mech Theore Exp“}，{”key“：”16263_CR11“，”doi-asserted-by“：”publisher“，”first page“：“27”，“doi”：“10.1016\/J.eswa.2018.07.051”，“volume”：“115”，“author”：“H-J Choi”，“year”：“2019”，“unstructured”：“Choi H-J，Park CH（2019）”基于高实用性模式挖掘的推特流新主题检测。Expert Syst Appl 115:27\u201336“，”journal-title“：”Expert Syss Appl“}，{”key“：”16263_CR12“，”doi-asserted-by“：”publisher“，”first page“：“122168”，”doi“：”10.1109\/ACCESS.2020.3007004“，“volume”：“8”，“author”：“A Dhiman”，“year”：“2020”，“unstructured”：“Dhiman A，Toshniwal D（2020）从twitter数据中检测事件的近似模型。IEEE Access 8:122168\u2013122184“，”journal-title“：”IEEE Access“}，{”issue“：”17“，”key“：”16263_CR13“，”doi-asserted-by“：”publisher“，“first page”：“5922”，”doi“：”10.3390\/app10175922“，”volume“：“10”，”author“：”Y Fang“，”year“：”2020“，”unstructured“：”Fang Y，Gao J，Liu Z，Huang C（2020）使用idcnn和bilstm检测推特上的网络威胁事件。Appl Sci 10（17）:5922”，“期刊标题”：“Appl Sci”}，｛“key”：“16263_CR14”，“doi asserted by”：“crossref”，“nonstructured”：“Fedoryszak，M，Frederick，B，Rajaram，V，Zhong，C（2019）社交数据流上的实时事件检测。在：第25届ACM SIGKDD知识发现与数据挖掘国际会议论文集，第2774\u20132782页。ACM“，”DOI“：”10.1145\/3292500.3330689“}，{”key“：”16263_CR15“，”DOI-asserted-by“：”crossref“，”unstructured“：”Feng，X，Zhang，S，Liang，W，Liu，J（2015）《社交文本流中基于位置的高效事件检测》。in:智能科学与大数据工程国际会议，第213\u2013222页。Springer”，“DOI”：“10.1007\/978-3-319-23862-3_21”}，{“issue”：“3\u20135”，“key”：“16263_CR16”，“DOI-asserted-by”：“publisher”，“first page”：”75“，“DOI:”10.1016\/j.physrep.2009.11.002“，”volume“：”486“，”author“：”S Fortunato“，”year“2010”，“unstructured”：“FortunatoS（2010）Community detection in graphys.Rep 486（2010）3\u20135）:75\u2013174“，”日志标题“：”Phys Rep“}，{”key“：”16263_CR17“，”doi-asserted-by“：”publisher“，”first page“：“236”，“doi”：“10.1016\/j.comcom.2015.09.021”，“volume”：“73”，“author”：“S Gaglio”，“year”：“2016”，“unstructured”：“Gaglio S，Re GL，Morana M（2016）实时推特数据分析框架。Compute Commun 73:236\u2013242”，“journal title”：“Compute Commun”}，“问题”：“2”，“密钥”：“16263_CR18“，”doi-asserted-by“：”publisher“，”first page“：”82“，”doi“：”10.3390\/ijgi8020082“，”volume“：“8”，”author“：”Z-Ghaemi“，”year“：”2019“，”unstructured“：”Ghaemi Z，Farnaghi M（2019）一种基于密度变化的聚类方法，用于从异构推特数据中检测事件。ISPRS Int J Geo-Inf 8（2）：82“，“journal-title”：“ISPRS Int J Geo-Inf”}，{“key”：“16263_CR19”，“doi-asserted-by”：“crossref”，“unstructured”：“Giridhar，P，Abdelzaher，T.，George，J，Kaplan，L（2015）关于社交网络订阅源的事件本地化质量。In：普适计算和通信研讨会（PerCom研讨会）2015年IEEE国际会议，第75\u201380页。IEEE“，“DOI”：“10.1109\/PERCOMW.2015.7133997”}，{“key”：“16263_CR20”，“unstructured”：“Girish，K，Moni，J，Roy，JG，Afreed，C，Harikrishnan，S，Kumar，GG（2022）使用推特数据分析的极端事件检测和管理。In:2022国际决策辅助科学与应用会议（DASA），pp.917\u2013921。IEEE”｝，｛“key”：“16263_CR21”，“doi asserted by”：“crossref”，“nonstructured”：“Guille，A，Favre，C（2014）在推特中提到基于异常的事件检测和跟踪。在：社交网络分析和挖掘进展（ASONAM），2014 IEEE\/ACM国际会议，第375\u2013382页。IEEE“，”DOI“：”10.1109\/ASONAM.2014.6921613“}，{”key“：”16263_CR22“，”first page“：“2297”，“volume”：“4”，“author”：“M Hasan”，“year”：“2016”，“unstructured”：“Hasan M，Orgun MA，Schwitter R（2016）Twitternews:从twitter数据流中实时检测事件。PeerJ PrePrints 4:2297\u20132291”，“journal-title”：“PeerJ PrePrints”}，}“key”：16263_CR23“，”非结构化”：“Hoffman，M，Bach，FR，Blei，DM（2010）潜在目录分配的在线学习。In:Advances In Neural Information Processing Systems，pp.856\u2013864“}，{“key”：“16263_CR24”，“doi-asserted-by”：“crossref”，“unstructured”：“Hossny，AH，Mitchell，L（2018）《推特事件检测：关键词量法》。In:2018 IEEE国际数据挖掘研讨会（ICDMW），pp.1200\u20131208。IEEE“，”DOI“：”10.1109\/ICDMW.2018.00172“}，{“key”：“16263_CR25”，“DOI-asserted-by”：“crossref”，“unstructured”：“Hu，M，Liu，S，Wei，F，Wu，Y，Stasko，J，Ma，K-L（2012）twit-ter突发新闻。In:SIGCHI Conference on Human Factors In Computing Systems，pp.2751\u20132754”，“DOI”：“10.1145\/2207676.2208672”}，}，“key“：”16263_C R26英寸非结构化”：“Ifrim，G，Shi，B，Brigadir，I（2014）使用积极过滤和分层推文聚类在推特中进行事件检测。收录：2014年4月8日在韩国首尔举行的第二次网络社交新闻研讨会（SNOW）。ACM“}，{”issue“：“4”，”key“：“16263_CR27”，”doi-asserted-by“：”publisher“，”first page“：”1959652“，”doi“：”10.1080\/17517575.2021.1959652”，“volume”：“17”，“author”：“NK Janjua”，“year”：“2023”，“unstructured”：“Janjua-NK，Nawaz F，Prior DD（2023）使用twitter实时中断事件数据的模糊供应链风险评估方法。Enterp Inf Syst 17（4）：1959652“，”journal-title“：”Enterp Inf Syst“}，{”key“：”16263_CR28“，”doi-asserted-by“：”publisher“，”first page“：“106365”，”doi“：”10.1016\/j.engappai.2023.106365“，“volume”：“123”，“author”：“S Kamoji”，“year”：“2023”，“unstructured”：“Kamojis S，Kalla M（2023）”基于bmlp和sdae-hhnn的twitter文本和图像分析的有效洪水预测模型。Eng-Appl-Artif Intell 123:106365“，”journal-title“：”Eng-Appl Artif Intell“}，{”issue“：”2“，”key“：”16263_CR29“，”doi-asserted-by“：”publisher“，“first page”：“181”，”doi“：”10.1017\/S1351324921000462“，”volume“：“29”，“author”：“S Karimi”，“year”：“2023”，“unstructured”：“Karim S，Shakery A，Verma RM（2023）”使用新闻流增强推特事件检测。Nat Lang Eng 29（2）：181\u2013200“，”journal-title“：”Nat Lang-Eng“}，{”key“：”16263_CR30“，”doi-asserted-by“：”publisher“，”first page“：“113990”，”doi“：”10.1016\/j.eswa.2020.113990“，”volume“：164”，“author”：“HU Khan”，“year”：“2021”，“unstructured”：“Khan HU，Nasir S，Nasim K，Shabbir D，Mahmood A（2021）”推特趋势：实时数据的排名算法分析。Expert Syst Appl 164:113990”，“journal-title”：“Expert Syss Appl”}，{“key”：“16263_CR31”，“doi-asserted-by”：“crossref”，“unstructured”：“Li，R，Lei，KH，Khadiwala，R，Chang，KC-C（2012）Tedas:一个基于推特的事件检测和分析系统。In:数据工程（icde），2012年第28届国际会议，pp.1273\u20131276。IEEE”，“DOI”：“10.1109\/ICDE.2012.125”｝，｛“key”：“16263_CR32”，“DOI asserted by”：“crossref”，“nonstructured”：“Li，C，Sun，A，Datta，A（2012）Twevent:从推文中进行基于分段的事件检测。In：第21届ACM信息与知识管理国际会议论文集，pp.155\u2013164。ACM“，”DOI“：”10.1145\/2396761.2396785“}，{”key“：”16263_CR33“，”DOI-asserted-by“：”crossref“，”unstructured“：”McMinn，AJ，Moshfeghi，Y，Jose，JM（2013）《构建大型推特评估事件检测语料库》。摘自：第22届ACM信息与知识管理国际会议记录，第409\u2013418页。ACM“，”DOI“：”10.1145\/2505515.2505695“}，{”key“：”16263_CR34“，”DOI-asserted-by“：”crossref“，”unstructured“：”Mehrotra，R，Sanner，S，Buntine，W，Xie，L（2013）通过tweet池和自动标记改进微博的lda主题模型。摘自：第36届ACM SIGIR国际信息检索研究与开发会议记录，第889\u2013892页。ACM“，”DOI“：”10.1145\/2484028.2484166“}，{”issue“：”6“，”key“：”16263_CR35“，”first page“：“1336”，“volume”：“39”，“author”：“MM Mojiri”，“year”：“2020”，“unstructured”：“Mojiri MM，Ravanmehr R（2020）使用多时间链窗口在twitter中进行事件检测。计算信息39（6）：1336\u20131359”，“日志标题”：“计算信息”}，“issue”：“2”，“键”：“16263_CR36”，“doi-asserted-by“：”publisher“，”first-page“：”321“，”doi“：”10.1140\/epjb\/e2004-00124-y“，”volume“：”38“，”author“：”ME Newman“，”year“：”2004“，”unstructured“：”Newman ME（2004）Detecting community structure in networks。《欧洲物理杂志》J B 38（2）：321\u2013330“，“期刊标题”：“欧洲物理杂志B”}，{“key”：“16263_CR37”，“doi-asserted-by”：“publisher”，“首页”：“137”，《doi》：“10.1016\/J.future.2016.04.012”，“卷”：“66”，“作者”：“DT Nguyen”，“年份”：“2017”，“非结构化”：“Nguyeen DT，Jung JE（2017）”实时事件检测用于大社会数据的在线行为分析。Futur Gener Compute Syst 66:137\u2013145“，”journal-title“：”Futur Gener Compute System“}，{“key”：“16263_CR38”，“doi-asserted-by”：“crossref”，“unstructured”：“Noori，MAR，Mehra，R（2020）使用超级监督原则从twitter进行火灾应急检测。In:2020 IEEE第15届工业和信息系统国际会议（ICIS）第403\u2013408页。IEEE“，”DOI“：”10.1109\/ICIS51140.2020.9342671“}，{“key”：“16263_CR39”，“unstructured”：“Osborne，M，Petrovic，S，McCreadie，R，Macdonald，C，Ounis，I（2012）Bieber no more:First story detection using twitter and wikipedia。In:SIGIR 2012 Workshop on Time-aware Information Access”}，}“issue”：“6”，“key“16263-CR40”，“DOI-asserted-by”：“publisher”，“首页“：”1227“，”DOI“：”10.1016\/j.ipm.2016.06.001“，”卷“：”52“，”作者“：”O Ozdikis“，”年份“：”2016“，”非结构化“：”Ozdikis O，O\u02d8guzt\u00fcz\u00fcn，H.，Karagoz，P.（2016）使用dempster\u2013Shafer理论对微博中事件位置的实证估计。Inf Process Manag 52（6）：1227\u20131246“，”journal-title“：”Inf Process Manage“}，{”key“：”16263_CR41“，”doi-asserted-by“：”crossref“，”unstructured“：”Pandya，A，Oussalah，M，Kostakos，P，Fatima，U（2020）Mated：元数据辅助推特事件检测系统。摘自：《基于知识的系统中的信息处理和不确定性管理：第18届国际会议，IPMU 2020，葡萄牙里斯本，2013年6月15日》，第18部分，第402\u2013414页。Springer”，“DOI”：“10.1007\/978-3-030-50146-4_30”}，{“issue”：“6”，“key”：“16263_CR42”，“DOI断言者”：“出版商”，“第一页”：“8921”，“DOI”：“10.1007\/s1042-022-2183-w”，“卷”：“82”，“作者”：“NR Paul”，“年份”：“2023”，“非结构化”：“Paul NR，Sahoo D，Balabantaray RC（2023）使用基于深度学习的框架对推特上危机相关数据进行分类。多媒体工具应用程序82（6）：8921\u20138941“，“日志标题”：“多媒体工具应用”}，{“key”：“16263_CR43”，“非结构化”：“Petrov\u00edc S，Osborne，M，Lavrenko，V（2010）将应用程序流式传输到twitter的第一层检测。摘自：《人类语言技术：计算语言学协会北美分会2010年年度会议》，第181\u2013189页。Assoc Comput Linguist“}，{“key”：“16263_CR44”，“doi-asserted-by”：“crossref”，“unstructured”：“邱，X，邹，Q，Richard Shi，C（2021）双流中的单通在线事件检测。收录于：2021年第13届国际机器学习与计算会议，第522_2013529页”，“doi”：“10.1145”，{《问题》：“3”，“key“：”16263_CR1457，”doi-asserted-by“：”publisher“，”first-page“：”036106“，”doi“：”10.1103\/PhysRevE.76.036106“，”volume“：”76“，”author“：”UN Raghavan“，”year“：”2007“，”unstructured“：”Raghavan-UN，Albert R，Kumara S（2007）检测大规模网络中社区结构的近线性时间算法。Phys Rev E 76（3）：036106“，”journal-title“：”Phys-Rev E“}，{”key“：”16263_CR46“，”doi-asserted-by“：”crossref“，”unstructured“：”Rezaei，Z，Eslami，B，Amini，MA，Eslamic，M（2022）通过深度学习分类和多标签聚类虚拟主干网形成在twitter中进行事件检测。Evolo Intel，1\u201315“，”doi“：”10.1007\/s12065-021-00696-6“}”，{“key“：”16263_CR47“，”unstructured“：”Said，N，Ahmad，K，Gul，A，Ahmed，N，Al-Fuqaha，A（2020）推特文本和图像中的洪水检测。arXiv预印本arXiv:2011.14943“｝，｛“issue”：“4”，“key”：“16263_CR48”，“doi asserted by”：“publisher”，“首页”：“919”，“doi”：“10.1109\/TKDE.2012.29”，“volume”：“25”，“author”：“T Sakaki”，“year”：“2013”，“nonstructured”：“Sakaki T，Okazaki M，Matsuo Y（2013）实时事件检测和地震报告系统开发的推文分析。IEEE Trans Knowl Data Eng 25（4）：919\u2013931“，“journal-title”：“IEEE Trans-Knowl-Data Eng”}，{“key”：“16263_CR49”，“unstructured”：“Salza，D，Arnaudo，E，Blanco，G，Rossi，C（2022）twitter中实时紧急事件检测的\u2019glocal\u2019方法。In:ISCRAM 2022会议记录-第19届危机应对和管理信息系统国际会议“}，{“key”：“16263_CR50”，“doi-asserted-by”：“crossref”，“unstructured”：“Sankaranarayanan，J，Samet，H，Teitler，BE，Lieberman，MD，Sperling，J（2009）推特站：推特新闻。摘自：第17届Acm Sigspatial地理信息系统进步国际会议记录，第42页\u201351。ACM“，”DOI“：”10.1145\/1653771.1653781“}，{“issue”：“2”，“key”：“16263_CR51”，“first page”：”4“，”volume“：”13“，”author“：”H Sayyadi“，”year“：”2013“，”unstructured“：”Sayyadia H，Raschid L（2013）一种用于主题检测的图形分析方法。ACM Trans Int Technol（TOIT）13（2）：4“，键“：”16263_CR52“，”doi-asserted-by“：”crossref“，”unstructured“：”Sayyadi，H，Hurst，M，Maykov，A（2009）《社交流中的事件检测和跟踪》。In:Icwsm“，”DOI“：”10.1609\/Icwsm.v3i1.13970“}，{“issue”：“7”，“key”：“16263_CR53”，“first page”：”163“，“volume”：：“13”，“author”：“G Song”，“year”：“2021”，“unstructured”：“Song G，Huang D（2021）一个使用twitter数据进行实时灾难预测的情感软件上下文模型。Fut Int 13（7）：163”，“journal-title”：“Fut-Int”}，}“ission”：“4”，“key”：“16263_CR54”，“doi-asserted-by“：”publisher“，”first-page“：”559“，”doi“：”10.1016\/j.dcan.2021.03.006“，”volume“：”7“，”author“：”X Sun“，”year“：”2021“，”unstructured“：”Sun X，Liu L，Ayorinde A，Panneerselvam j（2021）Ed-swe：基于评分的事件检测，以及互联网在线社交网络中的单词嵌入。数字通信网7（4）：559\u2013569”，“新闻标题”：“数字通信网”}，{“问题”：“2”，“密钥”：“16263_CR55”，“doi-asserted-by”：“出版商”，“首页”：“153”，“doi”：“10.1177\/0739532916648961”，“卷”：“37”，“作者”：“EC Tandoc Jr”，“年份”：“2016”，“非结构化”：“Tandoc-EC Jr，Johnson E（2016）大多数学生首先从推特上获得突发新闻。新闻研究J 37（2）：153\u2013166“，“新闻标题”：“新闻研究J”}，{“key”：“16263_CR56”，“doi-asserted-by”：“crossref”，“unstructured”：“Unankard，S，Li，X，Sharaf，M，Zhong，J，Li和X（2014）基于子事件检测和情绪分析从社交网络预测选举。摘自：网络信息系统工程国际会议，第1\u201316页。Springer”，“DOI”：“10.1007\/978-3-319-11746-1_1”}，{“key”：“16263_CR57”，“DOI-asserted-by”：“crossref”，“unstructured”：“Vieweg，S，Hughes，AL，Starbird，K，Palen，L（2010）两次自然灾害事件期间的微博：推特可能有助于提高情景意识。摘自：SIGCHI计算机系统人为因素会议记录，第1079\u20131088页。ACM“，”DOI“：“10.1145\/1753326.1753486”}，{“key”：“16263_CR58”，“DOI-asserted-by”：“crossref”，“unstructured”：“渡边捷昭，K，Ochi，M，Okabe，M，Onai，R（2011）茉莉花：基于传播到微博的地理位置信息的实时本地事件检测系统。摘自：第20届ACM信息和知识管理国际会议记录，第2541\u20132544页。ACM“，”DOI“：”10.1145\/2063576.2064014“}，”{“key”：“16263_CR59”，”“unstructured”：“Wei，Y，Singh，L（2017）使用地理标记语义图进行基于位置的事件检测。In:KDD Workshop Mining and Learning with graphs“}”，“key“：”16263_CR“，”DOI-asserted-by“：”crossref“，”unstructure“：”Weng，J，Lee，B-S（2011）推特中的事件检测ICWSM 11，401\u2013408“，“DOI”：“10.1609\/ICWSM.v5i1.14102”}，{“key”：“16263_CR61”，“DOI-asserted-by”：“crossref”，“unstructured”：“Yang，H，Chen，S，Lyu，MR，King，I（2011）基于位置的主题演化。in:第一届基于移动位置服务国际研讨会的成果，第89\u201398页。ACM“，”DOI“：”10.1145\/2025876.2025894“}，{“key”：“16263_CR62”，“DOI-asserted-by”：“publisher”，“unstructured”：“Zeng，K，Liu，Y，Song，X，Zhou，B（2021）Behind:一种面向4w的twitter事件检测方法。In:Int-Conf Softw Eng Knowl Eng https:\/\/DOI.org\/10.18293\/seke2021-092”，“DOI”：“10.18293\/seke2021-091”}，}“密钥”：“16263_CR63”，“doi-asserted-by“：”crossref“，”unstructured“：”Zhao，S，Gao，Y，Ding，G，Chua，T-S（2017）微博实时多媒体社交事件检测。IEEE控制论事务“，”DOI“：”10.1109\/TCYB.2017.2762344“}，{”issue“：”2“，”key“：”16263_CR64“，”DOI-asserted-by“：”publisher“，”first page“：“465”，“DOI”：“10.1177\/01655515211007724”，“volume”：“49”，“author”：“S Zhou”，“year”：“2023”，“unstructured”：“Zhou S，Kan P，Huang Q，Silbernagel J（2023）”一种引导的潜在dirichlet分配方法，用于调查飓风劳拉期间推特数据的实时潜在主题。J Inf Sci 49（2）：465\u2013479“，”journal-title“：”J Inf Sci“}]，”container-title”：[“多媒体工具和应用程序”]，”original-title:[]，”language“：”en“，”link“：[{”URL“：”https:\\/link.springer.com/content\/pdf\/10.10007\/s11042-023-16263-3.pdf“，”content-type“：”application\/pdf“，”content-version“：”vor“，”intended-application“：”text-mining“}，{”URL“：”https:\/\/link.springer.com/article\/10.1007\/s11042-023-16263-3\/fulltext.html“，“内容类型”：“文本\/html”，“内容版本”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\//link.springer\com/content\/pdf\/10007\/s1104-20-16263-3.pdf”，“content-type”：“application\/pdf”、“content-version”：“vor”、“intended-application:”“”相似性检查“｝”，“寄存”：｛“日期部分”：[[2024,2,22]]，“日期-时间”：“2024-02-22T13:40:41Z”，“时间戳”：1708609241000｝，“分数”：1，“资源”：｛“主要”：｛“URL”：“https://link.springer.com\/10.1007\/s1042-023-16263-3”｝，“副标题”：[]，“短标题”：[]，“已发布”：｛“日期部分”：[[2023,8,16]]｝，“引用次数”：64，“期刊发行”：｛“问题”：“8”，“published-online“：{“date-parts”：[[2024,3]]}}，“alternative-id”：[“16263”]，“URL”：“http://\/dx.doi.org\/10.1007\/s11042-023-16263-3”，“relation”：{}，”ISSN“：[“1573-7721”]，”ISSN-type“：[{“value”：“1573-77”，“type”：”electronic“}]，“subject”：[]，“published”：{6]]}，“断言”：[{“value”：“2022年10月3日”，“order”：1，“name”：“received”，“label”：“收到“，”组“：{“name”：“Article History”，“label”：“文章历史”}}，{“value”：“2023年6月15日”，“order”：2，“name”:“revised”，“table”：“Revied”，“group”：{”name“：”ArticleHistory“，”label“：”文章历史“}，”value“：”2023年7月4日}，{“值”：“2023年8月16日“，”order“：4，”name“：”first_online“，”label“：”first online“，“group”：{“name”：“Article History”，“label”：“文章历史”}}，{“order”：1，“name”:“Ethics”，”group“：”EthicsHeading“，”标签“：”Declarations“}}“，{”value“：“作者声明，他们没有已知的利益冲突或个人关系可能会影响本文所报道的工作。“，”order“：2，”name“：”Ethics“，”group“：{”name“:”EthicsHeading“，”label“：”利益冲突“}}]}}