ВКР Применение технологии социальных сетей в анализе процессов

На 1 февраля 2023 года оригинальность более 80%

Могу проверить вам актуальную оригинальность работы перед покупкой, пишите в личку.

Оригинал документа в pdf, конвертация в Word автоматическая (в word могут быть недочеты, которые вы легко исправите самостоятельно)

“Применение технологии социальных сетей в анализе процессов”

Обьем дипломной работы 45 страницы, на каторых размещены 6 рисунков и

7 таблиц. При написании диплома использовалось 26 источника.

Данная работа посвящена проблеме анализа компьютерных социальных сетей. В этой области есть четыре основных направления исследования: структурное, ресурсное, нормативное и динамическое. Для решения различных задач анализа социальных сетей, графических и стохастических моделей, моделей эволюции сетей, методов с использованием онтологий, структурных и реляционных моделей, методов машинного обучения, методов визуализации графиков используются.и.т.д. Кроме того, приведены компьютерные социальные сети и перечислены некоторые интересные программные приложения для их анализа.

Во введении дается определение проблемы исследования и обосновывается актуалность тема.

В первой главе рассказывается о истории социальных сетей и их

преимуществах в современном мире, позволяя каждому выразить свое мнение. Во второй главе рассмотрен основы социальных сетей, его

преимущества в обществе и помощь, которую он приносит в финансовой и

социальной среде.

В заключении подводится итог проделанной работа.

Введение ........................................................................................................ 3 1. Глава 1. ................................................................................................ 11

1.1. История социальных сетей ......................................................... 11 1.2. Вопросы исследования анализа социальных сетей .................. 12 1.3. Теория графов .............................................................................. 13

2. Глава 2. ................................................................................................ 17 2.1. Теоретические основы ................................................................ 17 2.2. Методология исследования ........................................................ 22 2.3. Результаты .................................................................................... 29

Заключение.................................................................................................. 35 Список литературы..................................................................................... 41

1. Adedoyin-Olowe, M., Gaber, M., Stahl, F.: A Methodology for Temporal Analysis of Evolving Concepts in Twitter. In: Proceedings of the 2013 ICAISC, International Conference on Artificial Intelligence and Soft Computing. 2013.

2. Adomavicius, G., Tuzhilin, A.: Toward the next generation of recommender systems: A survey of the state-of-the-art and possible extensions. Knowledge and Data Engineering, IEEE Transactions on, 17(6), 734-749, 2005.

3. Aggarwal, N., Liu, H.: Blogosphere: Research Issues, Tools, Applications. ACM SIGKDD Explorations. Vol. 10, issue 1, 20, 2008.

4. Aggarwal, C.: An introduction to social network data analytics.

Springer US, 2011.

5. Aiello, L. M., Petkos, G., Martin, C. et al.: Sensing trending topics in

Twitter. 2013.

6. Asur, S., and Huberman, B.: "Predicting the future with social

network." Web Intelligence and Intelligent Agent Technology (WI-IAT), 2010 IEEE/WIC/ACM International Conference on. Vol. 1. IEEE, 2010.

7. Au Yeung, C. M., and Iwata, T.: Strength of social influence in trust networks in product review sites. In Proceedings of the fourth ACM international conference on Web search and data mining (pp. 495-504). ACM, 2011.

8. Bakshy, E., Hofman, J. M., Mason, W. A., Watts, D. J.: Identifying influencers on twitter. In Fourth ACM International Conference on Web Seach and Data Mining (WSDM), 2011.

9. Becker, H., Naaman, M., Gravano, L.: Beyond Trending Topics: Real-

World Event Identification on Twitter. ICWSM, 11, 438-441, 2011.

10. Becker, H., Chen, F., Iter, D., Naaman, M., Gravano, L.: Automatic Identification and Presentation of Twitter Content for Planned Events. In ICWSM, 2011.

11. Becker, H., Iter, D., Naaman, M., Gravano, L.: Identifying content for planned events across social media sites. In Proceedings of the fifth ACM international conference on Web search and data mining (pp. 533-542). ACM, 2012.

12. Bekkerman, R., McCallum, A.: Disambiguating web appearances of people in a social network. In Proceedings of the 14th international conference on World Wide Web (pp. 463-470). ACM, 2005.

13. Bethard, S., Yu, H., Thornton, A., Hatzivassiloglou, V., Jurafsky. D.: Automatic Extraction of Opinion Propositions and their Holders. In: Proceedings of the AAAI Spring Symposium on Exploring Attitude and Affect in Text, 2004.

14. Boiy, E. and Moens, M.: A Machine Learning Approach to Sentiment Analysis in Multilingual Web Texts. Information Retrieval, 12(5): 526-558, 2009.

15. Bollen, J., Mao, H., Pepe, A.: Modelling public mood and emotion:

Twitter sentiment and socio-economic phenomena. In ICWSM, 2011. 16. Borgatti, S. P., Everett, M. G.: A graph-theoretic perspective on

centrality. Social networks 28, 466-484, 4, 2006.

17. Borgatti, S P.: "2-Mode concepts in social network analysis."

Encyclopedia of Complexity and System Science, 8279-8291, 2009.

18. Burke, R.: Hybrid recommender systems: Survey and experiments.

User Modelling and User-Adapted Interaction, 12(4):331–370, 2002. 19. Burt, R S.: Brokerage and closure: An introduction to social capital.

Oxford University Press, 2005.

20. Castellanos, M., Dayal, M., Hsu, M., Ghosh, R., Dekhil, M.: U LCI: A

Social Channel Analysis Platform for Live Customer Intelligence. In:

Proceedings of the 2011 international Conference on Management of Data. 2011.

21. Chelmis, C., Prasanna. VK.: Social networking analysis: A state of the art and the effect of semantics. Privacy, security, risk and trust (passat), 2011 ieee third international conference on and 2011 ieee third international conference on social computing (socialcom). IEEE, 2011.

22. Chen, Z. S., Kalashnikov, D. V. and Mehrotra, S. Exploiting context analysis for combining multiple entity resolution systems. In Proceedings of the 2009 ACM International Conference on Management of Data (SIGMOD'09), 2009.

23. Chen, Y., Lee, K.: User-centred sentiment analysis on customer product review. World Applied Sciences Journal 12 (special issue on computer applications & knowledge management) 32 – 38, 2011. ACM, New York, NY USA, 2011.

24. Chou, W. Y. S., Hunt, Y. M., Beckjord, E. B., Moser, R. P., Hesse, B. W.: Social media use in the United States: implications for health communication. Journal of medical Internet research, 11(4), 2009.

25. Conover, M. D., Gonçalves, B., Ratkiewicz, J., Flammini, A., Menczer, F.: Predicting the political alignment of twitter users. In Privacy, security, risk and trust (passat), 2011 ieee third international conference on and 2011 ieee third international conference on social computing (socialcom) (pp. 192-199). IEEE, 2011.

26. Cordeiro, M.: Twitter event detection: Combining wavelet analysis and topic inference summarization. In Doctoral Symposium on Informatics Engineering, DSIE, 2012.