文献

J-GLOBAL ID：202202288913267382   整理番号：22A0566528

誰がいるのか:メンテーション関係強度および局所ツイット比を用いた目標領域のためのツイッターユーザおよびツイートの発見【JST・京大機械翻訳】

Who are there: Discover Twitter users and tweets for target area using mention relationship strength and local tweet ratio

著者 (10件)： Liu Yimin (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China) ,  Liu Yimin (Key Laboratory of Cyberspace Situation Awareness of Henan Province, Zhengzhou 450001, China) ,  Luo Xiangyang (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China) ,  Luo Xiangyang (Key Laboratory of Cyberspace Situation Awareness of Henan Province, Zhengzhou 450001, China) ,  Zhang Meng (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China) ,  Zhang Meng (Key Laboratory of Cyberspace Situation Awareness of Henan Province, Zhengzhou 450001, China) ,  Tao Zhiyuan (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China) ,  Tao Zhiyuan (Key Laboratory of Cyberspace Situation Awareness of Henan Province, Zhengzhou 450001, China) ,  Liu Fenlin (State Key Laboratory of Mathematical Engineering and Advanced Computing, Zhengzhou 450001, China) ,  Liu Fenlin (Key Laboratory of Cyberspace Situation Awareness of Henan Province, Zhengzhou 450001, China)
資料名： Journal of Network and Computer Applications  (Journal of Network and Computer Applications)
巻： 199  ページ： Null  発行年： 2022年 
JST資料番号： H0842A  ISSN： 1084-8045  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： Twitter利用者の目標と目標領域のためのツイート発見は,区域で作り出される居住者利用者とツイートを発見することである。これまでの研究は,通常,ユーザ間の関連性を利用して,新しいユーザを発見し,その精度と速度は,偽の追従者によって容易に影響を受け,そして,Twitterデータを得る速度制限である。本原稿では,ユーザとツイート発見のためのアルゴリズム,すなわち,言及関係強度と局所ピンセット比(略してMRS-LTR)を提案した。最初に,初期ピンセットをTwitter APIを用いて得て,そこから,シードユーザとシードピンセットを抽出し,そして,言及関係グラフを構築した。次に,言及関係とユーザのツイートに含まれる位置情報に関する2つの音調和可能な仮説を調査して,公開データセットに関して検証した。次に,2つの仮説に基づいて,3つの新しい推薦指標を提案して,シードユーザによって言及されたユーザから新しいユーザを推薦した。最後に,プロファイルと反復確率に基づく候補ユーザ位置検証法を用いて,シードユーザ集合を拡大した。発見精度,発見速度およびアルゴリズム機能の原理解析は,MRS-LTRの有効性を示した。4.4Mユーザと112Mピンセットデータセットの実験結果は,MRS-LTRが最先端のアルゴリズムより優れていることを示した。精度と修正精度は,それぞれ14.79%と31.22%増加した。一方,発見速度は著しく改善され,同じ期間に発見されたユーザの数は既存のアルゴリズムの約8.7倍である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  速度 ,  音響 ,  速度制限 ,  住民 ,  *発見 ,  有効性 ,  位置情報
準シソーラス用語： ピンセット ,  *ツイッター , 【Automatic Indexing@JST】

著者キーワード (4件)： 局所的ピンセット比 ,  月経関係強度 ,  Twitter ,  ユーザ発見

分類 (1件)： 計算機網  (JC03000K)

タイトルに関連する用語 (2件)： 目標 ,  発見