Stourwater Pictures

영화 리트릿 다운로드

영화 리트릿 다운로드

이 백서는 트윗의 리트윗 정도를 예측하는 데 사용할 수 있는 가장 대표적인 지표를 식별하고 평가하는 연구(예: 특정 트윗이 얻을 수 있는 리트윗 수)를 제시하는 데 중점을 두었습니다. 문헌에 따르면, 트윗 기능은 트윗의 저자와 트윗 작성자의 관계 네트워크와 관련이 있을 수 있습니다. 이 연구는 지난 18개월 동안 다른 영역에서 수집된 트윗 데이터 집합의 분석에 근거하여 총 1억 개의 게시물을 수집했습니다. 최상의 예측 모델을 식별하기 위해 데이터 집합을 분석하여 트윗의 주요 특징을 파악하여 리트윗 정도를 예측할 수 있었습니다. 다음 섹션에서 검토하고 제시한 기술의 상태에 따라 트윗의 리트윗 정도를 추정하기 위한 모델의 식별은 문헌에서 부분적으로만 다루어졌습니다. 몇 가지 노력은 주로 리트윗의 확률을 추측하고/ 또는 네트워크를 통해 영향을 받는 계단식을 연구하기 위해 매개 변수를 식별하는 데 중점을 두습니다. 위에서 제시한 최신 정보에 따르면 리트윗은 트위터에서 정보를 확산시키는 강력한 메커니즘입니다. 트윗의 리트윗 수는 생성된 트윗이 Twitter.com 트윗의 주요 동기 중 하나인 정보를 전파하는 데 얼마나 효과적이었는지를 측정하는 척도로 간주될 수 있습니다. 제안된 연구는 리트윗의 정도를 결정할 수 있는 트윗의 특징의 가치를 파악하고, 트위터에서 리트윗을 결정할 수 있는 메커니즘을 이해하는 부작용으로 하는 것을 목표로 합니다.

주요 목표는 리트윗 정도를 평가하기 위한 예측 모델을 생성하여 특정 클래스의 리트윗 정도를 기준으로 트윗을 분류하는 것입니다. 마지막에 계산 과정은 도 3에 도시된 바와 같이 다음 단계를 통해 수행되며, 더 나은 논문의 나머지 부분에 설명: Mishne G, Glance N (2006) 블로거 감정에서 영화 판매를 예측. 에서: 웹 로그 분석에 대한 계산 접근에 대한 AAAI 봄 심포지엄의 절차 (AAAI CAAW), p 155-158 리트윗 행동에 대한 다양한 동기는 골더의 논문에서 탐구되었다 [22]. 그들은 가장 영향력있는 사용자가 여러 가지 주제에 상당한 영향을 유지할 수 있음을 발견했다. Kwak et al. [33]과 Cha et al. [13]의 작품에서는 트위터 사용자의 팔로워 수와 영향력있는 트위터 사용자의 영향력 및 목록 간의 관계를 다양한 지표 (리트윗 수 포함)에 따라 컴파일한 것으로 조사되었습니다. 곽 외, 팔로워 수와 PageRank에 의해 사용자를 평가하고, 두 순위가 비슷한 것으로 나타났습니다. 그들은 주요 트렌드 토픽의 트윗을 분석하고 추세 토픽과 사용자 참여의 현세적 행동을 보고했습니다.

Cha et al. [13]은 인기있는 뉴스 주제를 전파하는 데 수행 된 영향력있는 사용자의 세 가지 유형을 조사했습니다. Hansen 등은 2009년 유엔 기후변화 회의에 관한 210,000개의 트윗과 2010년 (27)의 약 350,000개의 트윗의 무작위 표본을 분석하여 많은 수의 리트윗을 수집한 트윗의 특징을 조사했습니다. Hong et al.[28]은 주제와 시간에 걸친 사용자 영향력의 역학뿐만 아니라 향후 리트윗 수로 측정된 메시지의 인기도를 예측하는 문제를 연구했습니다. 이 연구는 받은 리트윗 수(0, < 100, [100, 9999], ≥10,000)에 따라 4가지 범주로 트윗을 분류하여 예측 작업을 분류 문제로 공식화하여 수행하였다.