تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله تشخیص رویداد در رسانه های اجتماعی بزرگ با استفاده از تحلیل زمانی – نشریه IEEE

عنوان فارسی: تشخیص رویداد در رسانه های اجتماعی بزرگ با استفاده از تحلیل زمانی
عنوان انگلیسی: Event Detection on Large Social Media Using Temporal Analysis
تعداد صفحات مقاله انگلیسی : 6 تعداد صفحات ترجمه فارسی : 18 (2 صفحه رفرنس انگلیسی)
سال انتشار : 2017 نشریه : آی تریپل ای - IEEE
فرمت مقاله انگلیسی : pdf و ورد تایپ شده با قابلیت ویرایش فرمت ترجمه مقاله : pdf و ورد تایپ شده با قابلیت ویرایش
فونت ترجمه مقاله : بی نازنین سایز ترجمه مقاله : 14
نوع مقاله : ISI نوع ارائه مقاله : کنفرانس
کد محصول : 10359 وضعیت ترجمه : ترجمه شده و آماده دانلود
محتوای فایل : zip حجم فایل : 2.79Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی فناوری اطلاعات، اینترنت و شبکه های گسترده
کنفرانس: هفتمین کارگاه و کنفرانس محاسبات و ارتباطات - 7th Annual Computing and Communication Workshop and Conference
دانشگاه: دانشکده مهندسی، دانشگاه Bridgeport، ایالات متحده آمریکا
کلمات کلیدی: داده‌ی بزرگ، داده کاوی، تحلیل رسانه‌های اجتماعی، تشخیص رویداد، فراگیری ماشین
کلمات کلیدی انگلیسی: Big data - data mining - Social media analysis - Event detection - Machine learning
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
doi یا شناسه دیجیتال: https://doi.org/10.1109/CCWC.2017.7868467
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
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

نمونه متن انگلیسی

Abstract

Social media networks are now considered as one of the major news channels that breaks news as they fold. The problem of event detection based on social media has attracted researchers’ attention recently because of the enormous popularity of social media. Existing approaches focus on features that don’t reflect full characteristics of the social network. For the purpose of this research, we define an event as an occurrence that has enough force and momentum that could create an observable change of the context of a social network. Such a definition provides us with a wider perspective through which we can view the big picture of the social network. In this research, we propose a novel framework for detecting events on social media. We introduce a temporal approach to detect structural change of the social network that reflects an occurrence of an event using machine learning algorithms. In this study, we show that processing temporal social networks captures the complete complexity of the social network, which results in a higher accuracy of event detection.

نمونه متن ترجمه

چکیده

هم‌اکنون، شبکه‌های رسانه‌های اجتماعی به‌عنوان یکی از کانال‌های خبری اصلی در نظر گرفته می‌شوند که می‌توانند مهم‌ترین اخبار را منعکس کنند. به‌دلیل محبوبیت بسیار زیاد رسانه‌های اجتماعی، اخیرا توجه‌ی پژوهشگران به بررسی مسئله‌ی تشخیص رویداد در رسانه‌های اجتماعی جذب شده است. روش‌های موجود بر روی ویژگی‌های تمرکز دارند که منعکس‌کننده‌ی همه‌ی ویژگی‌های شبکه‌های اجتماعی نمی‌باشد. برای هدف این تحقیق، ما یک رویداد را به‌عنوان یک رخداد که دارای نیرو و تکانه‌ی کافی باشد، تعریف می‌کنیم که می‌تواند یک تغییر قابل‌توجه در شکل شبکه‌های اجتماعی به‌وجود آورد. این نوع تعریف برای ما یک چشم‌انداز گسترده را فراهم می‌کند که ما می‌توانیم تصویر بزرگی از شبکه‌های اجتماعی را مشاهده نماییم. در این تحقیق، ما یک چارچوب جدید برای تشخیص رویدادها بر روی رسانه‌های اجتماعی ارائه می‌دهیم. ما یک روش زمانی جهت تشخیص تغییر ساختاری شبکه‌های اجتماعی معرفی می‌کنیم که منعکس‌کننده‌ی رخدادهای یک رویداد با استفاده از الگوریتم‌های فراگیری ماشین می‌باشد. در این پژوهش، ما نشان می‌دهیم که فرآیند زمانی شبکه‌های اجتماعی سبب ایجاد یک سازگاری کامل بر روی شبکه‌های اجتماعی می‌گردد که نتایج دارای دقت بالا برای تشخیص رویداد می‌باشد.