Phát hiện chủ đề quan tâm của người dùng trên các phương tiện truyền thông xã hội theo độ tương quan
DOI:
https://doi.org/10.24311/jabes/2023.34.5.2Từ khóa:
Quan tâm, Phương tiện truyền thông xã hội, Wikipedia, TF.IDF, Độ tương quanTóm tắt
Phát hiện các chủ đề quan tâm của người dùng trên các phương tiện truyền thông xã hội là bài toán rất được chú ý trong thời gian gần đây, bởi khả năng ứng dụng cao trong thực tế. Bài báo giới thiệu một cách thức phát hiện chủ đề quan tâm của người dùng trên các phương tiện truyền thông xã hội dựa trên phân tích nội dung các bài đăng của người dùng, kết hợp mở rộng ngữ nghĩa theo Wikipedia, sử dụng véctơ theo TF.IDF để biểu diễn dữ liệu và ước lượng theo độ tương quan Pearson. Kết quả thực nghiệm cho thấy, cách phát hiện chủ đề này có thể áp dụng trên nhiều phương tiện truyền thông xã hội khác nhau mà không phụ thuộc vào cấu trúc, ngôn ngữ và liên kết trên các phương tiện truyền thông xã hội đó.
Tài liệu tham khảo
Aggarwal, C. C., & Zhai, C. X. (2012). A survey of text clustering algorithms. In Aggarwal, C., Zhai, C. (eds), Mining Text Data. Boston, MA: Springer. doi: 10.1007/978-1-4614-3223-4_4
AlBanna, B., Sakr, M., Moussa, S., & Moawad, I. (2016). Interest aware location – Based recommender system using geo-tagged social media. ISPRS International Journal of Geo-Information, 5(12), 245–264.
Bhattacharya, P., Zafar, M. B., Ganguly, N., Ghosh, S., & Gummadi, K. P. (2014). Inferring user interests in the Twitter social network. Proceedings of the 8th ACM Conference on Recommender Systems (pp. 357–360), 6–10 October, 2014, Foster City, Silicon Valley, California, USA.
Bin, S., Sun, G., Zhang, P., & Zhou, Y. (2016). Tag-based interest-matching users discovery approach in online social network. International Journal of Hybrid Information Technology, 9(5), 61–70.
Boyd, D. M., & Ellison, N. B. (2007). Social network sites: Definition, history, and scholarship. Journal of Computer-Mediated Communication, 13(1), 210–230.
Collin, P., Rahilly, K., Richardson, I., & Third, A. (2011). The benefits of social networking services: A literature review. Melbourne: Cooperative Research Centre for Young People, Technology and Wellbeing.
Faizi, R., El Afia, A., & Chiheb, R. (2013). Exploring the potential benefits of using social media in education. International Journal of Engineering Pedagogy (iJEP), 3(4), 50–53. doi: 10.3991/ijep.v3i4.2836
Fouss, F., & Saerens, M. (2008). Evaluating performance of recommender systems: An experimental comparison. In 2008 IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology (pp. 735–738), 09–12 December 2008, Sydney, NSW, Australia.
Gattani, A., Lamba, D. S., Garera, N., Tiwari, M., Chai, X., Das, S., & Rajaraman, A. (2013). Entity extraction, linking, classification, and tagging for social media: A Wikipedia-based approach. Proceedings of the VLDB Endowment, 6(1), 1126–1137.
Hossen, M. K., Faiad, A., Chowdhury, S. A., & Islam, S. (2018). Discovering user’s topic of interest from Tweet. International Journal of Computer Science and Information Technology, 10(1), 95–105. doi: 10.5121/ijcsit.2018.10108
Hồ Tú Bảo, & Lương Chi Mai. (2006). Về xử lý tiếng Việt trong công nghệ thông tin. Truy cập từ http://www.jaist.ac.jp/~bao/Writings/VLSPwhitepaper%20-%20Final.pdf
Kim, J., Choi, D., Ko, B., Lee, E., & Kim, P. (2014). Extracting user interests on Facebook. International Journal of Distributed Sensor Networks, 10(6), 1–5.
Kowsari, K., Meimandi, K. J., Heidarysafa, M., Mendu, S., Barnes, L., & Brown, D. (2019). Text classification algorithms: A survey. Information, 10(4), 150. doi: 10.3390/info10040150
Krause, A., Leskovec, J., & Guestrin, C. (2006). Data association for topic intensity tracking. Proceedings of the 23rd International Conference on Machine Learning (pp. 497–504). Pittsburgh, PA, USA: Carnegie Mellon University.
Lee, D. (2016). Likeology: Modeling, predicting, and aggregating likes in social media. Proceedings of the 8th ACM Conference on Web Science, Hannover, Germany.
Lee, K., Palsetia, D., Narayanan, R., Patwary, M. M. A., Agrawal, A., & Choudhary, A. (2011). Twitter trending topic classification. In 2011 IEEE 11th International Conference on Data Mining Workshops (pp. 251–258), 11–11 December 2011, Vancouver, BC, Canada. doi: 10.1109/ICDMW.2011.171
Li, H., & Sakamoto, Y. (2014). Social impacts in social media: An examination of perceived truthfulness and sharing of information. Computer in Human Behavior, 41, 278–287. doi: 10.1016/j.chb.2014.08.009
Li, L., Peng, W., Kataria, S., Sun, T., & Li, T. (2015). Recommending users and communities in social media. ACM Transactions on Knowledge Discovery from Data, 10(2), 1–27.
Li, X., Guo, L., & Zhao, Y. E. (2008). Tag-based social interest discovery. Proceedings of the 17th International Conference on World Wide Web (pp. 675–684), 21–25 April, 2008, Beijing, China.
Lim, K. H., & Datta, A. (2013). Interest classification of Twitter users using Wikipedia. Proceedings of the 9th International Symposium on Open Collaboration (pp. 1-2), Hong Kong, China.
Manning, C. D., Raghavan, P., & Schütze, H. (2009). Introduction to Information Retrieval. New York, USA: Cambridge University Press.
Nori, N., Bollegala, D., & Ishizuka, M. (2011). Exploiting user interest on social media for aggregating diverse data and predicting interest. Proceedings of the 5th International Conference on Weblogs and Social Media, 17–21 July, 2011, Barcelona, Catalonia, Spain.
Nguyễn Thị Hội, & Trần Đình Quế. (2018). Ước lượng quan tâm người dùng trên mạng xã hội dựa trên tương tự bài viết. Tạp chí Khoa học và Công nghệ - Đại học Đà Nẵng, 7(128), 28–32.
Samuel, C. J., & Shamili, S. (2017). A study on impact of social media on education, business and society. International Journal of Research in Management & Business Studies, 4(3), 52–56.
Shahzad, B., Lali, I., Nawaz, M. S., Aslam, W., Mustafa, R., & Mashkoor, A. (2017). Discovery and classification of user interests on social media. Information Discovery and Delivery, 45(3), 130–138. doi: 10.1108/IDD-03-2017-0023
Si, H., Zhou, J., Chen, Z., Wan, J., Xiong, N. N., Zhang, W., & Vasilakos, A. V. (2019). Association rules mining among interests and applications for users on social networks. IEEE Access, 7, 116014–116026.
Takale, S. A., & Nandgaonkar, S. S. (2010). Measuring semantic similarity between words using web documents. International Journal of Advanced Computer Science and Applications, 1(4), 78–85.
Tang, J., Chang, Y., & Liu, H. (2014). Mining social media with social theories: A survey. ACM SIGKDD Explorations Newsletter, 15(2), 20–29. doi: 10.1145/2641190.2641195
Vispute, A., Jadhav, P., & Kharat, P. V. (2014). Collective behavior of social networking sites. Journal of Computer Engineering (IOSR-JCE), 16(2), 75–79.
Xu, J., & Lu, T.-C. (2015). Toward precise user-topic alignment in online social media. International Conference on Big Data (pp. 767–775), 29 October, 2015–01 November, 2015, Santa Clara,
CA, USA.
Yin, D., Hong, L., & Davison, B. D. (2011). Exploiting session-like behaviors in tag prediction. Proceedings of the 20th International Conference on World Wide Web (pp. 167–168), March 28–April 1, 2011, India.
Zafarani, R., & Huan, L. (2014). Behavior analysis in social media. IEEE Intelligent Systems, 29(4), 69–71.
Zafarani, R., Abbasi, M. A., & Liu, H. (2014). Social Media Mining: An Introduction. New York, USA: Cambridge University Press.
Lượt tải xuống
Đã Xuất bản
Số
Chuyên mục
Giấy phép
Bản quyền (c) {copyrightHolder}
Tác phẩm này được cấp phép theo Giấy phép Creative Commons Ghi công-Phi thương mại 4.0 Quốc tế.
