論文の概要: Knowledge Discovery from Social Media using Big Data provided Sentiment Analysis (SoMABiT)

• arxiv url: http://arxiv.org/abs/2001.05996v1
• Date: Thu, 16 Jan 2020 18:53:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-11 01:04:49.414903
• Title: Knowledge Discovery from Social Media using Big Data provided Sentiment Analysis (SoMABiT)
• Title（参考訳）: big data provided sentiment analysis (somabit) を用いたソーシャルメディアからの知識発見
• Authors: Mahdi Bohlouli, Jens Dalter, Mareike Dornh\"ofer, Johannes Zenkert, Madjid Fathi
• Abstract要約: 本稿では,ビッグデータ技術を用いたソーシャルメディア分析プラットフォームであるSoMABiTの技術的・科学的焦点について論じる。 MapReduceの使用と、任意のデータボリュームをスケールし、ソーシャルメディア駆動の知識を提供する統合プラットフォームに向けた分散アルゴリズムの開発が、提案されたコンセプトの目新しいところである。
• 参考スコア（独自算出の注目度）: 2.218042861844671
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In todays competitive business world, being aware of customer needs and market-oriented production is a key success factor for industries. To this aim, the use of efficient analytic algorithms ensures a better understanding of customer feedback and improves the next generation of products. Accordingly, the dramatic increase in using social media in daily life provides beneficial sources for market analytics. But how traditional analytic algorithms and methods can scale up for such disparate and multi-structured data sources is the main challenge in this regard. This paper presents and discusses the technological and scientific focus of the SoMABiT as a social media analysis platform using big data technology. Sentiment analysis has been employed in order to discover knowledge from social media. The use of MapReduce and developing a distributed algorithm towards an integrated platform that can scale for any data volume and provide a social media-driven knowledge is the main novelty of the proposed concept in comparison to the state-of-the-art technologies.
• Abstract（参考訳）: 今日の競争力のあるビジネスの世界では、顧客ニーズと市場指向の生産を意識することが、業界にとって重要な成功要因である。 この目的のために、効率的な分析アルゴリズムを用いることで、顧客のフィードバックをよりよく理解し、次世代の製品を改善することができる。 したがって、日常生活におけるソーシャルメディアの利用の劇的な増加は、市場分析に有益な情報源を提供する。 しかし、従来の分析アルゴリズムや手法がこのような異種多構造データソースに対してどのようにスケールアップできるかは、この点において大きな課題である。 本稿では,ビッグデータ技術を用いたソーシャルメディア分析プラットフォームであるSoMABiTの技術的・科学的焦点について論じる。 ソーシャルメディアから知識を見つけるために感情分析が採用されている。 MapReduceの使用と、任意のデータボリュームをスケールし、ソーシャルメディア駆動の知識を提供する統合プラットフォームに向けた分散アルゴリズムの開発は、最先端技術と比較して提案された概念の目新しいところである。

関連論文リスト

• SMP Challenge: An Overview and Analysis of Social Media Prediction Challenge [63.311045291016555]
  ソーシャルメディアの人気予測(SMPP)は、オンライン投稿の今後の人気値を自動予測する重要なタスクである。 本稿では,課題,データ,研究の進展について要約する。
  論文  参考訳（メタデータ） (2024-05-17T02:36:14Z)
• Time Series Analysis of Key Societal Events as Reflected in Complex Social Media Data Streams [0.9790236766474201]
  本研究では,ニッチなソーシャルメディアプラットフォームであるGABと,確立されたメッセージングサービスであるTelegramの物語進化について検討する。 我々のアプローチは、複数のソーシャルメディアドメインを調査し、他の方法では見えない重要な情報を排除するための新しいモードである。 主な知見は,(1) 時間線をデコンストラクトして, 解釈を改善するための有用なデータ機能を提供すること,(2) 一般化の基盤を提供する方法論を適用すること,である。
  論文  参考訳（メタデータ） (2024-03-11T18:33:56Z)
• Measuring Technological Convergence in Encryption Technologies with Proximity Indices: A Text Mining and Bibliometric Analysis using OpenAlex [46.3643544723237]
  本研究は,サイバーセキュリティにおける新興技術間の技術的収束を明らかにする。 提案手法は,テキストマイニングとバイオロメトリ分析を統合し,技術的近接指標の定式化と予測を行う。 我々のケーススタディでは、ブロックチェーンと公開鍵暗号の間にかなりの収束が見られ、その近さが証明されている。
  論文  参考訳（メタデータ） (2024-03-03T20:03:03Z)
• Social Intelligence Data Infrastructure: Structuring the Present and Navigating the Future [59.78608958395464]
  私たちは、包括的な社会AI分類と480のNLPデータセットからなるデータライブラリで構成される、ソーシャルAIデータインフラストラクチャを構築しています。 インフラストラクチャにより、既存のデータセットの取り組みを分析し、異なるソーシャルインテリジェンスの観点から言語モデルのパフォーマンスを評価することができます。 多面的なデータセットの必要性、言語と文化の多様性の向上、より長期にわたる社会的状況、そして将来のソーシャルインテリジェンスデータ活動におけるよりインタラクティブなデータの必要性が示されている。
  論文  参考訳（メタデータ） (2024-02-28T00:22:42Z)
• Comparative Study of Sentiment Analysis for Multi-Sourced Social Media Platforms [0.0]
  本稿では,レキシコンベース,機械学習,ディープラーニングの手法を用いた比較分析を行う。 私たちが使ったデータセットは、TwitterやRedditなど、さまざまなソーシャルネットワークサイトのコメントセクションからのマルチソースデータセットでした。
  論文  参考訳（メタデータ） (2022-12-09T06:33:49Z)
• Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
  我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。 我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
  論文  参考訳（メタデータ） (2022-07-18T11:38:32Z)
• Big Data Analytics Applying the Fusion Approach of Multicriteria Decision Making with Deep Learning Algorithms [0.0]
  複数基準に基づく意思決定は、ビッグデータ分析における代替効果に関連する様々な問題に対して解決すべき重要な問題の1つである。 意思決定のようなアルゴリズムや、マルチ基準に基づくディープラーニングメカニズムを含む、最新の機械学習技術に基づくソリューションを見つける傾向があります。 本質的には、ビジネス、農業、情報技術、コンピュータ科学を含むいくつかの分野は、深層学習と多基準に基づく意思決定問題を使用する。
  論文  参考訳（メタデータ） (2021-02-02T05:56:03Z)
• Needmining: Designing Digital Support to Elicit Needs from Social Media [0.0]
  典型的には、顧客ニーズの識別と分析が必要です。 従来のニーズを喚起する手法は時間制であり、貴重な洞察を提供する能力を示している。 本稿では,新しいデータソースを用いて顧客ニーズを自動的に識別し,定量化する手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T14:49:19Z)
• Named Entity Recognition for Social Media Texts with Semantic Augmentation [70.44281443975554]
  名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。 そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
  論文  参考訳（メタデータ） (2020-10-29T10:06:46Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Curating Social Media Data [0.0]
  本稿では,ソーシャルデータのクリーン化とキュレーションを可能にするデータキュレーションパイプラインであるCrowdCorrectを提案する。 当社のパイプラインは,既存の社内ツールを使用してソーシャルメディアデータのコーパスから自動機能抽出を行う。 このパイプラインの実装には、生データをキュレートするクラウドユーザの貢献を促進するために、マイクロタスクを自動生成するツールセットも含まれている。
  論文  参考訳（メタデータ） (2020-02-21T10:07:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。