社会大数据:采矿、应用程序,等等

---

Web 2.0的社会属性导致论坛的前所未有的增长,产品评论网站,微博,和其他社交媒体平台。现有的社交媒体数据挖掘研究可以大致分为两组。基于内容的方法侧重于从用户生成的内容中提取的见解不同的社交媒体平台。基于网络的方法着重于提取知识通过分析网络的在线用户之间的交互。

丰富的用户和device-generated数据和用户交互生成复杂的社会大数据不同于经典的结构化属性-值数据。采取各种形式的数据对象包括非结构化文本、地理数据对象和数据对象流。社交网络也由数据对象之间的交互进行丰富的信息分析用户的行为。

在这个特殊的问题,我们邀请了先进的社会大数据研究贡献解决突出的研究问题推进我们的知识在社会大数据挖掘和分析和扩展相关学科的知识。我们收到了20提交来自世界各地。经过严格的审查过程,我们终于接受了10个文件。接受报纸社会大数据技术解决具有挑战性的问题,从小说的数据挖掘应用程序从复杂的数据和一般方法论的机器学习模型网络的分析和评价。(我)三篇论文提出了新颖应用先进的数据挖掘技术使用用户和device-generated数据,包括“自杀意念检测监督学习在网络用户内容”,“微博关注和股市表现:一些实证证据”,和“Purpose-Based旅行数据驱动的降落站选择模型使用交通智能卡数据”。(2)两种机器学习方法的论文包括聚类分析和数据表示学习,即“自适应k——基于覆盖算法”和“健壮Semisupervised非负数据表示的地方坐标分解”。(3)三篇论文报道研究成果在社会网络分析的信息可信度和社会影响,从“欺骗性的研究审查检测基于目标产品标识和Metapath特征权重计算”和“Behavior-Interior-Aware用户偏好分析基于社交网络”到“AIRank:作者影响排名通过职位合作网络”。(iv)两篇论文”,多粒度骨干网提取方法基于拓扑势”和“评估方法的算法计算复杂的社会网络中的社会影响”,解决网络在调查问题的总结和社会影响评估。研究结果可以受益一般网络分析和社会网络分析。

在现代数字社会,移动网络和物联网改变什么是社会网络。人类,日常用品,和智能设备交互,形成一个智能社交网络,是一个高度自适应复杂系统。论文在这个特殊的问题主要是由数据科学、机器学习和网络科学社区。在这些论文研究成果突出复杂的研究问题的广泛社会大数据研究。展望未来,我们呼吁其他学科的研究如人机交互、普适计算和计算社会科学与数据科学社区共同努力,推进社会大数据研究。

最后但并非最不重要,我们想要表达我们深深的感谢评论者对他们有价值的贡献,提高论文的质量在这个特殊的问题。

的利益冲突

作者宣称,他们没有任何的利益冲突。

Xiuzhen张
Shuliang王
高丛
阿尔弗雷多Cuzzocrea

版权

版权©2019 Xiuzhen Zhang et al。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。