فایل ورد کامل استخراج موضوعات داغ از جریان اطلاعات متنی تویتر

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل استخراج موضوعات داغ از جریان اطلاعات متنی تویتر،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۱۶ صفحه

در سال های اخیر، استخراج موضوعات داغ از جریان داده های تویتر، توجه علاقمندان زیادی را به خود جلب نموده است. استخراج موضوعات داغ سنتی و قدیمی از روی صفحات وب اینترنت عمدتا براساس دسته بندی متنی بود. از اینرو، در مقایسه با متن های موجود در صفحات وب، متن های تویتر با خصوصیات و نشانه های نامتراکم، به نسبت کوتاه هستند. علاوه براین، داده های تویتر اغلب با سرعت توسعه سریع، بسرعت در حال افزایش هستند که سبب چالش های بزرگ و قابل توجهی نسبت به مدل های موجود برای استخراج موضوعات می گردد. به این منظور، در این مقاله قصد داریم تا روش استخراج جریان قابل انعطافی را برای کشف موضوعات داغ در تویتر، پیشنهاد نماییم. بویژه، استفاده از الگوریتم استخراج جریان الگوی معمول (یعنی جریان-FP) برای کشف و شناسایی موضوعات داغ بواسطه جریان اطلاعات تویتر، پیشنهاد می شود. مطالعات تجربی صورت گرفته در جهان واقعی بر روی داده های تویتر، استفاده از روش پیشنهاد شده را اثبات می کند.

کلمات کلیدی: استخراج جریان داده ها | استخراج موضوعات داغ | استخراج الگوی معمول | جریان داده های تویتر

عنوان انگلیسی:

Mining Hot Topics from Twitter Streams

~~en~~ writers :

Jing Guoa,b,1,, Peng Zhangb,, Jianlong Tanb,, Li Guob,

Mining hot topics from twitter streams has attracted a lot of attention in recent years. Traditional hot topic mining
from Internet Web pages were mainly based on text clustering. However, compared to the texts in Web pages, twitter
texts are relatively short with sparse attributes. Moreover, twitter data often increase rapidly with fast spreading speed,
which poses great challenge to existing topic mining models. To this end, we propose, in this paper, a flexible stream
mining approach for hot twitter topic detection. Specifically, we propose to use the Frequent Pattern stream mining
algorithm (i.e. FP-stream) to detect hot topics from twitter streams. Empirical studies on real world twitter data
demonstrate the utility of the proposed method.

Keywords: Data stream mining | Hot topic mining | Frequent pattern mining | Twitter streams

$$en!!