ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

New Framework for Discovering Important Posts in Social Networks

سال انتشار: 1398
کد COI مقاله: ICIKT10_072
زبان مقاله: انگلیسیمشاهد این مقاله: 170
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

خرید و دانلود فایل مقاله

متن کامل (فول تکست) این مقاله منتشر نشده و یا در سایت موجود نیست و امکان خرید آن فراهم نمی باشد.

مشخصات نویسندگان مقاله New Framework for Discovering Important Posts in Social Networks

Leila Rabiei - ICT Research Institute (Iran Telecom Research Center) Tehran, Iran
Farzaneh Rahmani - ICT Research Institute (Iran Telecom Research Center) Tehran, Iran
Mojtaba Mazoochi - ICT Research Institute (Iran Telecom Research Center) Tehran, Iran
Meissam Kheyrollah Nejhad - ICT Research Institute (Iran Telecom Research Center) Tehran, Iran

چکیده مقاله:

Due to the growing popularity of social networks, user’s access to various information in these platforms is increased. Users communicate, click, view and share different contents that reflect their interests, making the themes on such social networks just as diverse as the users themselves. The behavior of members of social networks allows their interests to be narrowed down to a particular category. Detecting important posts defined as the most visited posts can provide some interesting insights from cyberspace user’s activities. In this paper, a framework for discovering daily important posts (most popular posts by views count) is introduced. This framework includes 3 main parts; the first is data gathering, then a model for identifying advertisement messages based on machine learning methods is provided and the third part is a method for clustering text content of posts using LSH. To the best of our knowledge, this paper is the first attempt to use LSH for clustering Persian texts. The proposed framework employed on Telegram instant messaging service in this article but it is also applicable to other social networks such as Instagram and Twitter

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/982306/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rabiei, Leila and Rahmani, Farzaneh and Mazoochi, Mojtaba and Kheyrollah Nejhad, Meissam,1398,New Framework for Discovering Important Posts in Social Networks,دهمین کنفرانس فناوری اطلاعات و دانشIKT2019,تهران,,,https://civilica.com/doc/982306

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Rabiei, Leila؛ Farzaneh Rahmani and Mojtaba Mazoochi and Meissam Kheyrollah Nejhad)
برای بار دوم به بعد: (1398, Rabiei؛ Rahmani and Mazoochi and Kheyrollah Nejhad)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: پژوهشگاه دولتی
تعداد مقالات: 605
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی