Event Attendance Prediction in Social Networks / Zhang, Xiaomei  

Público ISBD Ningún comentario para este título. Título : Event Attendance Prediction in Social Networks Tipo de documento: documento electrónico Autores: Zhang, Xiaomei, ; Cao, Guohong, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2021 Número de páginas: VIII, 54 p. 22 ilustraciones, 14 ilustraciones en color. ISBN/ISSN/DL: 978-3-030-89262-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Investigación cuantitativa  Procesamiento de datos  Estadísticas  Ciencias sociales  Análisis de datos y Big Data  Minería de datos y descubrimiento de conocimientos  Inferencia bayesiana  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas Clasificación: 1.422 Resumen: Este volumen se centra en predecir la asistencia de los usuarios a un evento futuro en un momento y lugar específicos en función de sus intereses comunes. La predicción de asistencia a eventos ha atraído una atención considerable debido a su amplia gama de aplicaciones potenciales. Al predecir la asistencia a eventos, se pueden recomendar eventos que se ajusten mejor a los intereses de los usuarios y se pueden proporcionar a los usuarios servicios personalizados basados ​​en la ubicación o en temas relacionados con los eventos. Además, puede ayudar a los organizadores de eventos a estimar la escala del evento, identificar conflictos y ayudar a gestionar los recursos. Este libro examina primero las técnicas existentes sobre predicción de asistencia a eventos y otros temas relacionados en redes sociales basadas en eventos. Luego introduce un enfoque de minería de datos consciente del contexto para predecir la asistencia al evento al saber cómo es probable que los usuarios asistan a eventos futuros. Específicamente, se identifican tres conjuntos de atributos contextuales analizando las actividades pasadas de los usuarios, incluidos los atributos semánticos, temporales y espaciales. Este libro ilustra cómo se pueden aplicar estos atributos para la predicción de asistencia a eventos incorporándolos en modelos de aprendizaje supervisado y demuestra su eficacia a través de un conjunto de datos del mundo real recopilados de redes sociales basadas en eventos. . Nota de contenido: Introduction -- Related Work -- Data Collection -- Event Attendance Prediction -- Performance Evaluations -- Conclusions and Future Research Directions. Tipo de medio : Computadora Summary : This volume focuses on predicting users' attendance at a future event at specific time and location based on their common interests. Event attendance prediction has attracted considerable attention because of its wide range of potential applications. By predicting event attendance, events that better fit users' interests can be recommended, and personalized location-based or topic-based services related to the events can be provided to users. Moreover, it can help event organizers estimating the event scale, identifying conflicts, and help manage resources. This book first surveys existing techniques on event attendance prediction and other related topics in event-based social networks. It then introduces a context-aware data mining approach to predict the event attendance by learning how users are likely to attend future events. Specifically, three sets of context-aware attributes are identified by analyzing users' past activities, including semantic, temporal, and spatial attributes. This book illustrates how these attributes can be applied for event attendance prediction by incorporating them into supervised learning models, and demonstrates their effectiveness through a real-world dataset collected from event-based social networks. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Event Attendance Prediction in Social Networks [documento electrónico] / Zhang, Xiaomei, ; Cao, Guohong,  . -  1 ed.  . - [s.l.] : Springer, 2021 . - VIII, 54 p. 22 ilustraciones, 14 ilustraciones en color. ISBN : 978-3-030-89262-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Investigación cuantitativa  Procesamiento de datos  Estadísticas  Ciencias sociales  Análisis de datos y Big Data  Minería de datos y descubrimiento de conocimientos  Inferencia bayesiana  Estadística en Ciencias Sociales  Humanidades  Derecho  Educación  Ciencias del Comportamiento  Políticas Públicas Clasificación: 1.422 Resumen: Este volumen se centra en predecir la asistencia de los usuarios a un evento futuro en un momento y lugar específicos en función de sus intereses comunes. La predicción de asistencia a eventos ha atraído una atención considerable debido a su amplia gama de aplicaciones potenciales. Al predecir la asistencia a eventos, se pueden recomendar eventos que se ajusten mejor a los intereses de los usuarios y se pueden proporcionar a los usuarios servicios personalizados basados ​​en la ubicación o en temas relacionados con los eventos. Además, puede ayudar a los organizadores de eventos a estimar la escala del evento, identificar conflictos y ayudar a gestionar los recursos. Este libro examina primero las técnicas existentes sobre predicción de asistencia a eventos y otros temas relacionados en redes sociales basadas en eventos. Luego introduce un enfoque de minería de datos consciente del contexto para predecir la asistencia al evento al saber cómo es probable que los usuarios asistan a eventos futuros. Específicamente, se identifican tres conjuntos de atributos contextuales analizando las actividades pasadas de los usuarios, incluidos los atributos semánticos, temporales y espaciales. Este libro ilustra cómo se pueden aplicar estos atributos para la predicción de asistencia a eventos incorporándolos en modelos de aprendizaje supervisado y demuestra su eficacia a través de un conjunto de datos del mundo real recopilados de redes sociales basadas en eventos. . Nota de contenido: Introduction -- Related Work -- Data Collection -- Event Attendance Prediction -- Performance Evaluations -- Conclusions and Future Research Directions. Tipo de medio : Computadora Summary : This volume focuses on predicting users' attendance at a future event at specific time and location based on their common interests. Event attendance prediction has attracted considerable attention because of its wide range of potential applications. By predicting event attendance, events that better fit users' interests can be recommended, and personalized location-based or topic-based services related to the events can be provided to users. Moreover, it can help event organizers estimating the event scale, identifying conflicts, and help manage resources. This book first surveys existing techniques on event attendance prediction and other related topics in event-based social networks. It then introduces a context-aware data mining approach to predict the event attendance by learning how users are likely to attend future events. Specifically, three sets of context-aware attributes are identified by analyzing users' past activities, including semantic, temporal, and spatial attributes. This book illustrates how these attributes can be applied for event attendance prediction by incorporating them into supervised learning models, and demonstrates their effectiveness through a real-world dataset collected from event-based social networks. . Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200