کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8917969 | 1414323 | 2017 | 10 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Automatic controversy detection in social media: A content-independent motif-based approach
ترجمه فارسی عنوان
تشخیص جنجال های خودکار در رسانه های اجتماعی: رویکرد مبتنی بر مفهوم مستقل از محتوا
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
تشخیص اختلاف، قطبش، تجزیه و تحلیل شبکه شبکه، توییتر، موتیف، رسانه های اجتماعی،
ترجمه چکیده
در این کار، ما نشان می دهیم که ممکن است بحث های مربوط به رسانه های اجتماعی را با استفاده از نقوش شبکه، یعنی الگوهای محلی تعامل کاربر، شناسایی کنیم. رویکرد پیشنهادی اجازه می دهد تا تجزیه و تحلیل مستقل زبان و دقیق از بحث کاربر و تکامل آنها در طول زمان. انگیزه های شبکه را می توان به راحتی از تعاملات کاربر و از شبکه اجتماعی زیرزمینی استخراج کرد و از لحاظ مفهومی ساده تعریف و برای محاسبه بسیار کارآمد است. ما قدرت پیش بینی از نقوش را بر روی یک مجموعه داده توییتر با برچسب دستی داریم. در حقیقت، یک مدل نظارت شده از مدل های موتیف بهره برداری می تواند به دقت 85٪ دست یابد، با بهبود 7٪ نسبت به ساختار اولیه، ویژگی های شبکه و ویژگی های زمان محلی. در نهایت، به لطف مکان های الگوهای موتیف، ما نشان می دهیم که ممکن است مانع تکامل اختلاف در یک مکالمه در طول زمان شود و بنابراین تغییرات در دیدگاه کاربران را کشف می کند.
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
شبکه های کامپیوتری و ارتباطات
چکیده انگلیسی
In this work, we show that it is possible to detect controversy in social media by exploiting network motifs, i.e., local patterns of user interaction. The proposed approach allows for a language-independent and fine-grained analysis of user discussions and their evolution over time. Network motifs can be easily extracted both from user interactions and from the underlying social network, and they are conceptually simple to define and very efficient to compute. We assess the predictive power of motifs on a manually labeled twitter dataset. In fact, a supervised model exploiting motif patterns can achieve 85% accuracy, with an improvement of 7% compared to baseline structural, propagation-based and temporal network features. Finally, thanks to the locality of motif patterns, we show that it is possible to monitor the evolution of controversy in a conversation over time thus discovering changes in user opinion.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Online Social Networks and Media - Volumes 3â4, October 2017, Pages 22-31
Journal: Online Social Networks and Media - Volumes 3â4, October 2017, Pages 22-31
نویسندگان
Mauro Coletto, Kiran Garimella, Aristides Gionis, Claudio Lucchese,