Towards a big data framework for analyzing social media content

شرکت های مدرن، با دیجیتالی کردن خدمات و محصولات خود، ارزش را تولید می کنند. دانستن آنچه مشتریان در مورد شرکت از طریق بررسی در محتوای رسانه های اجتماعی می گویند، یک عامل کلیدی برای موفقیت در دوران بزرگ داده است. با این حال، تجزیه و تحلیل داده های رسانه های اجتماعی یک رشته پیچیده است به دلیل سوژه در مرور متن و ویژگی های اضافی در داده های خام. برخی از چارچوب هایی که در ادبیات موجود ارائه شده شامل گام های بسیاری هستند که در نتیجه پیچیدگی های آنها را افزایش می دهد. چارچوب دو مرحله ای برای مقابله با این مشکل پیشنهاد شده است: مرحله اول بر روی آماده سازی داده ها و پیدا کردن یک مدل یادگیری ماشین برای این داده ها تمرکز می شود؛ مرحله دوم بر لایه های ایجاد شده از معماری های بزرگ داده متمرکز است که متکی بر نتیجه داده ها با استفاده از بیشتر مدل یادگیری ماشین در مرحله اول است. بنابراین، مرحله اول برای تجزیه و تحلیل داده های بزرگ و کوچک در یک محیط داده غیر بزرگ ارائه می شود، در حالی که مرحله دوم، با استفاده از مدل یادگیری ماشین اول مرحله، مجموعه داده های بزرگ را تجزیه و تحلیل می کند. سپس یک مورد مطالعه برای اولین مرحله از چارچوب برای تجزیه و تحلیل بررسی کسب و کار مربوط به هتل ارائه شده است. چندین الگوریتم یادگیری ماشین برای دو، سه و پنج کلاس آموزش داده شد و بهترین نتایج برای طبقه بندی باینری یافت شد.