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

ترجمه مقاله تشخیص رویداد در رسانه های اجتماعی بزرگ با استفاده از تحلیل زمانی - نشریه IEEE
قیمت خرید این محصول
۳۵,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
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
صفحات مقاله فارسی
18
صفحات مقاله انگلیسی
6
سال انتشار
2017
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
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 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 در ترجمه
در داخل متن و انتهای مقاله درج شده است
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
doi یا شناسه دیجیتال
https://doi.org/10.1109/CCWC.2017.7868467
۰.۰ (بدون امتیاز)
امتیاز دهید
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 چکیده متن اصلی 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 چکیده ترجمه متن فارسی
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.

بدون دیدگاه