Web 2.0的社会属性导致了前所未有的增长等社交媒体网站的论坛,产品评论网站、微博、社交网络、和社会管理。现有的社会媒体数据挖掘都集中在研究中提取信息的技术为特定应用程序从单独的社会媒体渠道。

事物的移动网络和互联网正在改变什么是社交网络。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。个人设备的帮助下,人们可以访问实时交通、天气、新闻事件信息,并交换这些信息通过社会互动和动态形式的社区。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标记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。交叉学科研究这种复杂的社会大数据要求从数据挖掘,机器学习,普及和无处不在的计算,网络科学,计算社会科学。

我们寻求推进我们的知识在社会贡献大数据挖掘和分析和扩展相关学科的知识。我们尤其欢迎高原始研究的文章以及评论文章包括方法论的论文地址数据的复杂性和应用程序文件,促进更广泛和深入的应用社交媒体数据。

潜在的主题包括但不限于以下:

• 个人设备和内容整合社会数据挖掘
• 人类开采动态复杂的社会网络和设备
• 矿业异构的社交媒体流数据对象从人类和设备
• 社交数据时空分析和社会网络
• 社会数据挖掘隐私保护
• 社会影响和社区发现在动态社会网络
• 社会数据挖掘以社区为基础的推荐和其他应用程序
• 信任和社交媒体数据的信息可信度分析
• 挖掘用户的社会影响和社区在人类复杂的社会网络和设备
• 为智能城市、智能国家矿业社会数据
• 人类作为传感器事件检测和灾害管理
• 情绪分析和意见挖掘社会好
• 垃圾邮件检测意见,非法行为,在社交媒体和异常
• 社交媒体数据挖掘对公共卫生和医疗保健