نقدی بر تکنیک های استخراج داده به منظور تحلیل شبکه های اجتماعی

مقاله ترجمه شده :نقدی بر تکنیک های  استخراج داده به منظور تحلیل شبکه های اجتماعی

مختصری از مقاله :

شبکه‌ها‌ی اجتماعی اهمیت قابل توجهی در دهه‌ی اخیر به دست آورده اند. دسترسی به سایت‌های شبکه‌های اجتماعی از قبیل فیس‌بوک، توییتر، لینکدین، گوگل پلاس و… از طریق اینترنت و فناوری های ۲.۰ وب امکان پذیر شده است. علاقه مردم در تکیه بر شبکه های اجتماعی برای دستیابی به اطلاعات، اخبار و نظرات سایر کاربران روی موضوعات متنوع روز به روز بیشتر می شود. اتکا به سایت های شبکه اجتماعی موجب می شود که این سایت ها، داده های عظیمی که بر اساس سه جریان محاسباتی یعنی اندازه، صدا و حرکت (دینامیک) ویژگی گذاری شده اند، تولید کنند. این جریانات، اغلب داده ‌های شبکه‌ها‌ی اجتماعی را بسیار پیچیده می‌سازند به نحوی که تحلیل آن‌ها به صورت دستی بسیار مشکل است و این منجر به استفاده‌ی مربوط از ابزارهای محاسباتی تحلیل داده ها شده است. استخراج داده ها، دامنه‌ی وسیعی از تکنیک های کشف دانش قابل استفاده از مجموعه های داده‌ای عظیم مانند جهت ها، الگو ها و دستورات را فراهم کرده است [۴۴]. تکنیک های استخراج داده در مدل بندی قابل رفع اشکال و قابل بازیافت و یادگیری ماشین مورد استفاده قرار می گیرند. این تکنیک ها فرایندهای تفسیر داده، تحلیل داده و پیش پردازش داده را در جریان تحلیل داده به کار می گیرند. این بررسی (مقاله حاضر) تکنیک های استخراج داده‌ی متفاوت استفاده شده در جنبه های متنوع استخراج داده از شبکه های اجتماعی را در طی دهه هایی که تکنیک های تاریخی از آنجا شروع شده است تا مدل های به‌روز شامل تکنیک نوظهور ما TRCM مورد بحث قرار می دهد. همه‌ی پوشش داده شده در این نقد که در جدول ۱ لیست شده اند شامل ابزارهای به کار گرفته شده همراه با نام نویسندگان آنهاست