文献

J-GLOBAL ID：201802280203799112   整理番号：18A0400378

ツイッターhashtagsの伝染性モデリング【Powered by NICT】

Modeling the infectiousness of Twitter hashtags

著者 (3件)： Skaza Jonathan (Department of Biostatistics, University of Michigan, United States) ,  Blais Brian (Department of Science and Technology, Bryant University, United States) ,  Blais Brian (Institute for Brain and Neural Systems, Brown University, United States)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 465  ページ： 289-296  発行年： 2017年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： ツイッター上での方向ハッシュタグの増殖と人気を定量化するために動的および統計的モデリング手法を適用した。ニューヨーク市とサンフランシスコにおける実際のツイートを反映した時系列データを用いて,Bayes Markov連鎖と結合した流行モデリングフレームワークを用いたMonte Carlo(MCMC)法いくつかの百方向ハッシュタグの動力学(すなわち,感染と回収率)の推定値を示した。方法論的戦略は,感染症の広がりをモデル化するために伝統的に用いられている技術の拡張である。SIR型モデルを用いて,著者らは大部分のハッシュタグはわずかに感染したが,「方向」として出現は非常に少ない。その結果,ハッシュタグは感染によってグループ化され,話題のtrendinessを定量化するための方法を提供できることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *感染 ,  推定量 ,  *モデリング ,  回収率 ,  感染症
準シソーラス用語： MCMC ,  時系列データ ,  サンフランシスコ ,  ニューヨーク市 ,  統計的モデリング ,  *ツイッター , 【Automatic Indexing@JST】

著者キーワード (6件)： ツイッター動力学 ,  傾向 ,  SIR ,  SIRI ,  MCMC ,  情報拡散

分類 (1件)： ゆらぎ,ランダム過程,Brown運動,輸送過程の一般的理論  (BA08020B)

タイトルに関連する用語 (3件)： ツイッター ,  伝染 ,  モデリング