محصولات

خانه مقالات-Article مقالات کامپیوتر-Computer Articles Computational Models for Social Network Analysis: A Brief Survey
Computational Models for Social Network Analysis[taliem.ir]

Computational Models for Social Network Analysis: A Brief Survey

رایگان!

With the exponential growth of online social network services such as Facebook and Twitter, social networks and social medias become more and more important, directly influencing politics, economics, and our daily life. Mining big social networks aims to collect and analyze web-scale social data to reveal patterns of individual and group behaviors. It is an inherently interdisciplinary academic field which emerged from  sociology, psychology, statistics, and graph theory. In this article, I briefly survey recent progress on social network mining with an emphasis on understanding the interactions among users in the large dynamic social networks. I will start with some basic knowledge for social network analysis, including methodologies and tools for macro-level, meso-level and microlevel social network analysis. Then I will give an overall  roadmap of social network mining. After that, I will describe methodologies for modeling user behavior including state-of-the-art methods forlearning user profiles, and introduce recent progress on modeling dynamics of user behaviors using deep learning. Then I will present models and algorithms for quantitative analysis on social interactions including homophily and social influence.Finally, I will introduce network structure model including social group formation, and network topology generation. We will introduce recent developed network embedding algorithms for modeling social networks with the embedding techniques. Finally, I will use several concrete examples from Alibaba, the largest online  shopping website in the world, and WeChat, the largest social messaging service in China, to explain how online social networks influence our offline world.

توضیحات محصول

ABSTRACT

With the exponential growth of online social network services such as Facebook and Twitter, social networks and social medias become more and more important, directly influencing politics, economics, and our daily life. Mining big social networks aims to collect and analyze web-scale social data to reveal patterns of individual and group behaviors. It is an inherently interdisciplinary academic field which emerged from  sociology, psychology, statistics, and graph theory. In this article, I briefly survey recent progress on social network mining with an emphasis on understanding the interactions among users in the large dynamic social networks. I will start with some basic knowledge for social network analysis, including methodologies and tools for macro-level, meso-level and microlevel social network analysis. Then I will give an overall  roadmap of social network mining. After that, I will describe methodologies for modeling user behavior including state-of-the-art methods for
learning user profiles, and introduce recent progress on modeling dynamics of user behaviors using deep learning. Then I will present models and algorithms for quantitative analysis on social interactions including homophily and social influence.Finally, I will introduce network structure model including social group formation, and network topology generation. We will introduce recent developed network embedding algorithms for modeling social networks with the embedding techniques. Finally, I will use several concrete examples from Alibaba, the largest online  shopping website in the world, and WeChat, the largest social messaging service in China, to explain how online social networks influence our offline world.

INTRODUCTION

The emergence and rapid proliferation of online social applications and media, such as instant messaging (e.g., Snapchat, WeChat, IRC, AIM, Jabber, Skype), sharing sites (e.g., Flickr, Picassa, YouTube, Plaxo), blogs (e.g., Blogger, WordPress, LiveJournal), wikis (e.g., Wikipedia,  PBWiki), microblogs (e.g., Twitter, Jaiku, Weibo), social networks (e.g., Facebook, MySpace, Ning), scientific networks (e.g., DBLP, ArnetMiner), bring many opportunities for studying very large social networks, at the same time also pose a number of new challenges. From the social perspective, the online social networks already become a bridge to connect our physical daily life with the virtual Web space. Facebook has more than 1.65 billion users and Tencent (the largest social networking service in China) has attracted more than 800 million monthly active QQ users and 700 monthly active WeChat users in 2016.

چکیده

با رشد چشمگیر خدمات آنلاین شبکه اجتماعی مانند فیس بوک و توییتر، شبکه های اجتماعی و رسانه های اجتماعی بیشتر و بیشتر می شود و به طور مستقیم بر سیاست، اقتصاد و زندگی روزمره ما تاثیر می گذارد. معادن بزرگ شبکه های اجتماعی با هدف جمع آوری و تجزیه و تحلیل داده های اجتماعی در شبکه های وب به منظور نشان دادن الگوهای رفتار فردی و گروهی. این یک زمینه علمی بین رشته ای است که از جامعه شناسی، روانشناسی، آمار و نظریه گراف به وجود آمده است. در این مقاله، من به طور خلاصه پیشرفت های اخیر در زمینه معدن شبکه های اجتماعی را با تاکید بر درک تعاملات کاربران در شبکه های اجتماعی پویا بزرگ به طور خلاصه. من با برخی از دانش پایه برای تجزیه و تحلیل شبکه های اجتماعی، از جمله روش ها و ابزار برای تجزیه و تحلیل شبکه های اجتماعی در سطح کلان، مزو و سطح میکرولی، شروع خواهم کرد. سپس یک نقشه کلی از معدن شبکه اجتماعی ارائه خواهم داد. پس از آن، روش هایی برای مدل سازی رفتار کاربر از جمله روش های پیشرفته تر برای یادگیری پروفایل کاربر توصیف خواهم کرد و پیشرفت های اخیر در مدل سازی پویایی رفتارهای کاربر با استفاده از یادگیری عمیق را معرفی خواهم کرد. سپس من مدل ها و الگوریتم های برای تجزیه و تحلیل کمی در تعاملات اجتماعی از جمله homophily و نفوذ اجتماعی را ارائه خواهم کرد. در نهایت، من مدل ساختار شبکه را از جمله تشکیل گروه اجتماعی و تولید توپولوژی توپولوژی معرفی خواهم کرد. ما الگوریتم های تعبیه شده شبکه توسعه یافته اخیر را برای مدل سازی شبکه های اجتماعی با تکنیک های جاسازی معرفی خواهیم کرد. در نهایت، از چندین مثال بنیادی از Alibaba، بزرگترین وب سایت خرید آنلاین در جهان استفاده خواهم کرد و WeChat، بزرگترین سرویس پیام رسانی اجتماعی در چین، برای توضیح اینکه چگونه شبکه های اجتماعی آنلاین در جهان آفلاین ما را تحت تاثیر قرار می دهند.

مقدمه

ظهور و گسترش سریع برنامه های کاربردی و رسانه های آنلاین مانند پیام های فوری (مانند Snapchat، WeChat، IRC، AIM، Jabber، Skype)، به اشتراک گذاری سایت ها (مانند Flickr، Picassa، YouTube، Plaxo)، وبلاگ ها (به عنوان مثال شبکه های اجتماعی (مانند فیس بوک، مای اسپیس، نینگ)، شبکه های علمی (به عنوان مثال، DBLP، ArnetMiner)، بسیاری از فرصت ها برای مطالعه شبکه های اجتماعی بسیار بزرگ، در عین حال، چندین چالش جدید را نیز بوجود می آورند. از دیدگاه اجتماعی، شبکه های اجتماعی آنلاین در حال حاضر تبدیل به یک پل برای ارتباط زندگی روزمره فیزیکی ما با فضای وب مجازی است. فیس بوک بیش از 1.65 میلیارد کاربر دارد و Tencent (بزرگترین سرویس شبکه های اجتماعی در چین) بیش از 800 میلیون کاربر ماهانه فعال QQ و 700 کاربر ماهانه فعال WeChat را در سال 2016 جذب کرده است.

Year: 2017

Publisher : IEEE

By :  Jie Tang

File Information: English Language/ 5 Page / size: 3.43 KB

Only site members can download free of charge after registering and adding to the cart

Download tutorial

سال : 1396

ناشر : IEEE

کاری از : Jie Tang

اطلاعات فایل : زبان انگلیسی / 5 صفحه / حجم : KB 3.43

فقط اعضای سایت پس از ثبت نام و اضافه کردن به سبد خرید می توانند دانلود رایگان کنند.خوشحال می شویم به ما پبیوندید

آموزش دانلود

دیدگاه‌ها

هیچ دیدگاهی برای این محصول نوشته نشده است.

Be the first to review “Computational Models for Social Network Analysis: A Brief Survey”