ردیابی چرخه عمر موضوعات خبری در شبکه های اجتماعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 719

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRANWEB01_052

تاریخ نمایه سازی: 29 شهریور 1394

چکیده مقاله:

با توسعه سیستم های اطلاعاتی، داده به یکی از منابع پراهمیت مبدل گشته است. کاوش در داده های کیفی و در این جا متن های خبری جهت یافتن دانش کاربردی موضوع نسبتاً جدید و جذابی است. این کار به ویژه در رده های خبری مورد توجه پژوهش گران زیادی قرار گرفته است. هدف این مقاله تعیین چرخه ی عمر مقاله های خبری برخط با استفاده از واکنش شبکه های اجتماعی است. در این تحقیق نشان داده می شود که می توان از واکنش شبکه های اجتماعی برخط برای پیش بینی الگوی بازدیدها استفاده کرد و با ترکیب بازدیدهای وب سایت و واکنش شبکه های اجتماعی طول عمر رده های خبری را به دست آورد. برای این منظور مجموعه داده ی یک ماهه فایل ثبت وقایع سایت خبری ایران نیدز، با بیش از 120000 رکورد مورد بررسی قرار می گیرد. از روش های رگرسیون و دسته بندی و با استفاده از روش های آماری جهت ارزیابی طول عمر خبر استفاده می گردد. نتایج حاصل از تحقیق نشان می دهد که طول عمر رده خبری سرگرمی و اجتماعی به طور متوسط بیش از 20 روز می باشد.

نویسندگان

سمیه افخمی اردکانی

دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی واحد میبد، یزد، ایران

محمدرضا ملاخلیلی

استادیار، دانشگاه آزاد اسلامی واحد میبد، یزد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • تحلیل محتوای صفحات و گروه های شبکه اجتماعی فیس بوک ...
  • سازمان اسنادوکتابخانه ملی جمهوری اسلامی ایران، "جستارهایی درباره آرشیو وب"، ...
  • ا. رییسی‌وانانی و م. فرزانه. "بررسی جامع تاثیر خدمات پرکاربرد ...
  • R. Kosala, H. Blockeel "Web mining research : A survey". ...
  • http ://www _ fsbas sociates.com _ ...
  • W. G. Mangold, and D. J. Faulds, "Social medi, The ...
  • _ B.Yu, et al, "Toward Predicting Popularity of Social _ ...
  • A.Spengler and P. Gallinari, " Learning to Extract Content from ...
  • J.Yan, et al, "News Web Text Extraction Based on the ...
  • S.Mfenyana, et al, "Development of a Facebook Crawler for Opinion ...
  • Extracting Main Content of Web _ International Conference on E-Busines ...
  • 2] J.Chen, et al "An adaptive bottom _ clustering approach ...
  • C .Castillo, et al, " Characterizing the life cycle of ...
  • W.Youzhong, et al, "Propagation of online nevs: Dynamic patterns", IEEE ...
  • 5] M.Tsagkias, et al, "Predicting the volume of comments on ...
  • 6] Z.Xiang, and U. Gretzel, "Role of social media in ...
  • J. G.Lee, et al, "An approach to model and predict ...
  • J.Yang, and J. Leskovec, " Patterns of temporal variation in ...
  • J.Leskovec, et al, _ 'Meme-tracking and the dynamics of the ...
  • Z. Xiang, and U. Gretzel, "Role of social media in ...
  • H.Lakkaraju, and J, "Ajmera Attention prediction _ social media brand ...
  • J. Yang, and J. Leskovec, " Patterns of temporal variation ...
  • J. Leskovec, et al, _ 'Meme-tracking and the dynamics of ...
  • the news cycle" , Proceedings of the 15th ACM SIGKDD ...
  • international conference on Knowledge discovery and data mining, (2009). ...
  • S.Mfenyana, et al, "Development of a Facebook Crawler for Opinion ...
  • نمایش کامل مراجع