ترجمه مقاله تشخیص رویداد در رسانه های اجتماعی بزرگ با استفاده از تحلیل زمانی – سال 2017
مشخصات مقاله:
عنوان فارسی مقاله:
تشخیص رویداد در رسانه های اجتماعی بزرگ با استفاده از تحلیل زمانی
عنوان انگلیسی مقاله:
Event Detection on Large Social Media Using Temporal Analysis
کلمات کلیدی مقاله:
داده‌ی بزرگ، داده کاوی، تحلیل رسانه‌های اجتماعی، تشخیص رویداد، فراگیری ماشین
مناسب برای رشته های دانشگاهی زیر:
مهندسی فناوری اطلاعات
مناسب برای گرایش های دانشگاهی زیر:
اینترنت و شبکه های گسترده
وضعیت مقاله انگلیسی و ترجمه:
مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.
فهرست مطالب:
چکیده
1- مقدمه
1-1 موضوع تحقیق
1-2 انگیزه تحقیق
2- کار مرتبط
2-1 موقعیت براساس ویژگی‌های مکانی
2-2 ویژگی های متنی
2-3 ویژگی های دوگانه- مکانی و متنی
3- تشخیص رویداد زمانی
3-1 مجموعه داده
3-2 معیارهای ارزیابی
4- نتایج تجربی و بحث
5- نتیجه‌گیری
قسمتی از مقاله انگلیسی و ترجمه آن:
1. Introduction
Social media networks had become very popular recently. Statistica, the online statistics portal, estimated that there are 2.22 billion active social network users by the end of the year 2016 [1]. The same source estimates that this number will increase to 2.72 billion active social network user around the globe by the end of year 2019. Publishing personal contents has never been easier with the wide availability of microblogging platforms such as Twitter [2]. This has enabled users to post their opinions swiftly [3]. Recent research shows that Twitter process more than 500 million tweets daily [4]. The number of tweets that has been sent since 2006 when Twitter was founded is more than 300 billion tweets [5]. Data generated by social media users is huge in volume, grows at a very high velocity, varies in its type, and varies in its quality. These characteristics, also called the four V’s, i.e volume, velocity, variety, and veracity, are the main dimensions that characterize big data [6]. The availability of huge datasets representing more than a quarter of the world’s population who are actively interacting creates an opportunity to uncover patterns that could explain a lot of social phenomena [7], [8]. Meanwhile, the availability of these datasets introduces many challenges for researchers who are trying to analyze and process such data [7], [9].
1- مقدمه
اخیرا شبکه‌های رسانه‌های اجتماعی بسیار محبوب گردیده‌اند. پرتال آمار آنلاین تخمین زده است که تا پایان سال 2016، 22/2 میلیارد کاربر فعال از شبکه‌های اجتماعی استفاده می‌کنند ]1[. منابع مشابه تخمین زده‌اند که تعداد کاربران فعال شبکه‌های اجتماعی در سراسر جهان تا پایان سال 2017 به 72/2 میلیارد افزایش پیدا می‌کند. منتشر کردن مطالب شخصی هرگز به آسانی سیستم عامل‌های بلاگ‌نویسی کوچک (میکروبلاگینگ) مانند توئیتر که به‌صورت وسیع در دسترس هستند، نمی‌باشد ]2[. این سیستم عامل‌ها به کاربران این توانایی را می‌دهند که نظرات خود را به‌سرعت منتشر کنند ]3[. تحقیقات اخیر نشان می‌دهد که کاربران توئیتر در طول روز بیش از 500 میلیون توئیت انجام می‌دهند ]4[. زمانی‌که توئیتر در سال 2006 تأسیس گردید، تعداد توئیت‌هایی که ارسال می‌شد به بیش از 300 میلیارد توئیت رسیده بود ]5[.
داده‌ی تولید‌شده به‌وسیله‌ی کاربران رسانه‌های اجتماعی دارای حجم بزرگی می‌باشند که در یک سرعت خیلی بالا رشد می‌کنند و در نوع و کیفیت متغییر می‌باشند. همچنین این مشخصه‌ها به‌نام چهار V یعنی، حجم، سرعت، تنوع و صحت شناخته می‌شوند که ابعاد و ویژگی اصلی داده‌ی بزرگ محسوب می‌شوند. دسترسی به مجموعه‌های داده‌ی بزرگ نشان می‌دهد که بیش از یک چهارم جمعیت جهان به‌طور فعال با هم در تعامل هستند تا با ایجاد کردن فرصت‌ها، الگوهایی را کشف کنند که می‌تواند بسیاری از پدیده‌های اجتماعی را توضیح دهد ]7[، ]8[. علاوه بر این، دسترسی به مجموعه‌های داده، چالش‌های بسیاری را برای پژوهشگرانی که تلاش می‌کنند این داده را تحلیل و پردازش کنند، به‌وجود آورده است.
