| Título : |
Big Data and Social Media Analytics : Trending Applications |
| Tipo de documento: |
documento electrónico |
| Autores: |
Çakırtaş, Mehmet, ; Ozdemir, Mehmet Kemal, |
| Mención de edición: |
1 ed. |
| Editorial: |
[s.l.] : Springer |
| Fecha de publicación: |
2021 |
| Número de páginas: |
VI, 245 p. 102 ilustraciones, 74 ilustraciones en color. |
| ISBN/ISSN/DL: |
978-3-030-67044-3 |
| Nota general: |
Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. |
| Palabras clave: |
Investigación cuantitativa Protección de datos Teoría de juego Análisis de datos y Big Data Seguridad de datos e información |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro editado proporciona técnicas que abordan diversos aspectos de la recopilación y el análisis de big data desde plataformas de redes sociales y más allá. Cubre la compresión eficiente de grandes redes, la predicción de enlaces en gráficos de hashtags, la exploración visual de datos de redes sociales, la identificación de motivos en datos multivariados, la vigilancia de redes sociales para mejorar las misiones de búsqueda y rescate, recomendadores para filtrado colaborativo y planes de viaje seguros a destinos de alto riesgo. análisis de campañas de ciberinfluencia en YouTube, impacto de la ubicación en la calificación empresarial, análisis de redes bibliográficas y de coautoría, y análisis de datos de blogs. Todos estos temas de tendencia forman una parte importante del estado del arte en redes sociales y análisis de big data. Por lo tanto, este libro editado puede considerarse una fuente valiosa para los lectores interesados en comprender algunos de los avances más recientes en este dominio de alta tendencia. |
| Nota de contenido: |
Chapter 1. Twenty Years of Network Science: A Bibliographic and Co-Authorship Network Analysis -- Chapter 2. Impact of Locational Factors on Business Ratings/Reviews: A Yelp and TripAdvisor Study -- Chapter 3. Identifying Reliable Recommenders in Users' Collaborating Filtering and Social Neighbourhoods -- Chapter 4. Safe Travelling Period Recommendation to High Attack Risk European Destinations based on Past Attack Information -- Chapter 5. Analyzing Cyber Influence Campaigns on YouTube using YouTubeTracker -- Chapter 6. Blog Data Analytics Using Blogtrackers -- Chapter 7. Using Social Media Surveillance in order to Enhance the Effectiveness of Crew Members in Search and Rescue Missions -- Chapter 8. Visual Exploration and Debugging of Machine Learning Classification over Social Media Data -- Chapter 9. Efficient and Flexible Compression of Very Sparse Networks of Big Data -- Chapter 10. Weather Big Data Analytics: Seeking Motifs in Multivariate Weather Data -- Chapter 11. Analysis of Link Prediction Algorithms in Hashtag Graphs. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
Big Data and Social Media Analytics : Trending Applications [documento electrónico] / Çakırtaş, Mehmet, ; Ozdemir, Mehmet Kemal, . - 1 ed. . - [s.l.] : Springer, 2021 . - VI, 245 p. 102 ilustraciones, 74 ilustraciones en color. ISBN : 978-3-030-67044-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos.
| Palabras clave: |
Investigación cuantitativa Protección de datos Teoría de juego Análisis de datos y Big Data Seguridad de datos e información |
| Índice Dewey: |
1.422 |
| Resumen: |
Este libro editado proporciona técnicas que abordan diversos aspectos de la recopilación y el análisis de big data desde plataformas de redes sociales y más allá. Cubre la compresión eficiente de grandes redes, la predicción de enlaces en gráficos de hashtags, la exploración visual de datos de redes sociales, la identificación de motivos en datos multivariados, la vigilancia de redes sociales para mejorar las misiones de búsqueda y rescate, recomendadores para filtrado colaborativo y planes de viaje seguros a destinos de alto riesgo. análisis de campañas de ciberinfluencia en YouTube, impacto de la ubicación en la calificación empresarial, análisis de redes bibliográficas y de coautoría, y análisis de datos de blogs. Todos estos temas de tendencia forman una parte importante del estado del arte en redes sociales y análisis de big data. Por lo tanto, este libro editado puede considerarse una fuente valiosa para los lectores interesados en comprender algunos de los avances más recientes en este dominio de alta tendencia. |
| Nota de contenido: |
Chapter 1. Twenty Years of Network Science: A Bibliographic and Co-Authorship Network Analysis -- Chapter 2. Impact of Locational Factors on Business Ratings/Reviews: A Yelp and TripAdvisor Study -- Chapter 3. Identifying Reliable Recommenders in Users' Collaborating Filtering and Social Neighbourhoods -- Chapter 4. Safe Travelling Period Recommendation to High Attack Risk European Destinations based on Past Attack Information -- Chapter 5. Analyzing Cyber Influence Campaigns on YouTube using YouTubeTracker -- Chapter 6. Blog Data Analytics Using Blogtrackers -- Chapter 7. Using Social Media Surveillance in order to Enhance the Effectiveness of Crew Members in Search and Rescue Missions -- Chapter 8. Visual Exploration and Debugging of Machine Learning Classification over Social Media Data -- Chapter 9. Efficient and Flexible Compression of Very Sparse Networks of Big Data -- Chapter 10. Weather Big Data Analytics: Seeking Motifs in Multivariate Weather Data -- Chapter 11. Analysis of Link Prediction Algorithms in Hashtag Graphs. |
| En línea: |
https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] |
| Link: |
https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i |
|  |
Hacer una sugerencia Refinar búsqueda
