کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6873464 685917 2017 40 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Detecting discussion communities on vaccination in twitter
ترجمه فارسی عنوان
تشخیص جوامع بحث بر روی واکسیناسیون در توییتر
کلمات کلیدی
داده های اجتماعی بزرگ، تشخیص جامعه، واکسن
ترجمه چکیده
واکسن ها به طور چشمگیری باعث کاهش مرگ و میر ناشی از بیماری های عفونی در قرن بیست و یکم شده است. با این حال، چندین گروه بحث اجتماعی مربوط به واکسن، بر اساس نظر جمعیت در مورد واکسیناسیون در 20 سال گذشته ظهور کرده اند. این جوامع در مورد واکسن ها از رسانه های اجتماعی برای انتشار موثر نظریه هایشان استفاده می کنند. امروزه شیوع بیماری های قابل پیشگیری از قبیل سرخک، فلج اطفال و یا آنفلوانزا، اثرات کاهش میزان واکسیناسیون را نشان داده است. شبکه های اجتماعی یکی از مهم ترین منابع بزرگ داده ها هستند. به طور خاص، توییتر روزانه بیش از 400 میلیون توییت تولید می کند. داده کاوی الگوریتم ها و تکنیک های لازم برای تجزیه و تحلیل داده های عظیم و کشف دانش جدید را فراهم می کند. این کار پیشنهاد استفاده از این تکنیک ها را برای تشخیص و پیگیری جوامع بحث بر روی واکسیناسیون ناشی از شبکه های اجتماعی پیشنهاد می دهد. اولا، یک تجزیه و تحلیل مقدماتی با استفاده از داده های توییتر و نرخ رسمی واکسیناسیون رسمی انجام شده است، که نشان می دهد چگونه نظرات واکسن های کاربران توییتر بر تصمیم گیری واکسیناسیون تاثیر می گذارد. سپس، الگوریتم های تشخیص جامعه برای کشف گروه های کاربری در مورد واکسن ها اعمال می شود. نتایج تجربی نشان می دهد که این تکنیک ها می توانند برای کشف جوامع بحث اجتماعی استفاده شوند تا اطلاعات مفید برای بهبود راهبردهای ایمن سازی فراهم شوند. سازمان های بهداشت عمومی می توانند از تشخیص و ردیابی این جوامع اجتماعی برای جلوگیری یا کاهش شیوع بیماری های ریشه کن شده استفاده کنند.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نظریه محاسباتی و ریاضیات
پیش نمایش مقاله
تشخیص جوامع بحث بر روی واکسیناسیون در توییتر
چکیده انگلیسی
Vaccines have contributed to dramatically decrease mortality from infectious diseases in the 20th century. However, several social discussion groups related to vaccines have emerged, influencing the opinion of the population about vaccination for the past 20 years. These communities discussing on vaccines have taken advantage of social media to effectively disseminate their theories. Nowadays, recent outbreaks of preventable diseases such as measles, polio, or influenza, have shown the effect of a decrease in vaccination rates. Social Networks are one of the most important sources of Big Data. Specifically, Twitter generates over 400 million tweets every day. Data mining provides the necessary algorithms and techniques to analyse massive data and to discover new knowledge. This work proposes the use of these techniques to detect and track discussion communities on vaccination arising from Social Networks. Firstly, a preliminary analysis using data from Twitter and official vaccination coverage rates is performed, showing how vaccine opinions of Twitter users can influence over vaccination decision-making. Then, algorithms for community detection are applied to discover user groups opining about vaccines. The experimental results show that these techniques can be used to discover social discussion communities providing useful information to improve immunization strategies. Public Healthcare Organizations may try to use the detection and tracking of these social communities to avoid or mitigate new outbreaks of eradicated diseases.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Future Generation Computer Systems - Volume 66, January 2017, Pages 125-136
نویسندگان
, , ,