دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: نویسندگان: Thirimachos Bourlai, Panagiotis Karampelas, Reda Alhajj سری: Lecture Notes in Social Networks ISBN (شابک) : 3031078683, 9783031078682 ناشر: Springer سال نشر: 2022 تعداد صفحات: 236 [237] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 7 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Disease Control Through Social Network Surveillance به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترل بیماری از طریق نظارت شبکه های اجتماعی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب پارادایمهای مدرن کنترل بیماری را بر اساس برنامههای نظارت شبکه اجتماعی، از جمله نظارت الکترونیکی نگهبان و علم نظارت مبتنی بر برنامههای بیسیم، بررسی میکند. همچنین موضوعاتی را برجسته میکند که علوم آماری و اپیدمیولوژیک را با عملکرد نظارتی ادغام میکند و به منظور انعکاس تکامل شیوههای شبکههای اجتماعی، موضوعات مربوط به چالشهای تئوری و عمل نظارت را مورد بحث قرار میدهد.
به نوبه خود. ، این کتاب با ارائه بینش هایی در مورد چگونگی تجزیه و تحلیل روندهای اپیدمیولوژیک با پیروی از بهترین شیوه ها در تشخیص اطلاعات مفید از سر و صدا، از جمله اخبار جعلی، گزارش نادرست حوادث و رویدادهای بیماری، و غیره، یک قدم فراتر می رود. در عین حال، ما نیاز داریم قادر به محافظت از برنامه های کاربردی سلامت محور و ابزارهای ارتباطی از طریق فناوری های امنیت سایبری و اطمینان از حفظ ناشناس بودن گزارش ها و حفظ حریم خصوصی. در پایان، این کتاب به نقش و تأثیر رسانههای اجتماعی بر نظارت بر بیماریها و همچنین نقش فعلی جوامع در نظارت و کنترل بیماریهای عفونی میپردازد.This book examines modern paradigms of disease control based on social network surveillance applications, including electronic sentinel surveillance and wireless application-based surveillance science. It also highlights topics that integrate statistical and epidemiological sciences with surveillance practice and, in order to reflect the evolution of social networking practices, discusses topics concerning the challenges for surveillance theory and practice.
In turn, the book goes a step further by providing insights on how we need to analyse epidemiological trends by following best practices on distinguishing useful information from noise, namely fake news, false reporting of disease incidents and events, etc. At the same time, we need to be able to protect health-focused applications and communication tools via cybersecurity technologies and to ensure that anonymity of reporting and privacy are preserved. In closing, the book discusses the role and impact of social media on disease surveillance, as well as the current role of communities in infectious disease surveillance and control.Preface Disease Control Through Social Network Surveillance Chapter Contributions Contents Editors and Contributors About the Editors Contributors Analysis of Public Perceptions Towards the COVID-19 Vaccination Drive: A Case Study of Tweets with Machine Learning Classifiers 1 Introduction 2 A Brief Literature Survey 3 Data Collection, Pre-processing and Methodology 3.1 Raw-Data Acquisition 3.2 Data Pre-processing 3.3 Data Visualization 3.3.1 Geographical Analytics of Tweets 3.3.2 Users with Maximum Tweets 3.3.3 Most Frequent Hashtags 3.3.4 Monthly Statistics of Tweets 3.3.5 Textual Analysis of Tweets 3.3.6 Word and Phrase Associations 4 Experimental Design, Results and Discussions 4.1 Feature Selection 4.2 Platform Employed and Performance Evaluation Parameters 5 Conclusions References Spreader-Centric Fake News Mitigation Framework Based on Epidemiology 1 Introduction 2 Related Work 3 Epidemiology Inspired Framework 4 Preliminaries 4.1 Trustingness and Trustworthiness 4.2 Believability 4.3 Community Health Assessment Model 5 Vulnerability Assessment 6 Identification of Infected Population 7 Risk Assessment of Population 8 Infection Control and Prevention 9 Conclusion References Understanding How Readers Determine the Legitimacy of Online Medical News Articles in the Era of Fake News 1 Introduction 2 Background and Related Work 2.1 Presentation and Content in True and Fake News Articles 2.2 Detecting Fake News Articles: The Reader's Side 3 Methodology 3.1 Survey 1 3.2 Survey 2 3.3 Survey 3 3.4 Clustering Analysis 4 Results 4.1 Survey 1 4.2 Survey 2 4.3 Survey 3 5 Discussion 6 Conclusion References Trends, Politics, Sentiments, and Misinformation: Understanding People's Reactions to COVID-19 During Its Early Stages 1 Introduction 1.1 Contributions 1.2 Organization 2 Related Work 3 Reactions to COVID-19 During its Early Stages: Social Media Analytics 3.1 Dataset and Implementation Environment 3.2 Analysis Results 3.2.1 Number of Posts Related to COVID-19 Over Time 3.2.2 Number of Published News Per Web Site, Per Month 3.2.3 Geographic Distribution of Shared News 3.2.4 Geographic and Temporal Trends in Fake News 3.2.5 Opinions About Public Figures 4 Conclusion References Citation Graph Analysis and Alignment Between Citation Adjacency and Themes or Topics of Publications in the Area of Disease Control Through Social Network Surveillance 1 Introduction 2 Literature Review 3 The Citation Graph Methodology 4 Data 4.1 Data Collection 4.2 Derived Networks 5 Discussion of Nodal Attributes of the DCSNS Citation Graph 5.1 Degrees 5.2 Types 5.3 Themes 5.4 Topics 5.5 Relationships Between Nodal Attributes 5.6 Degree and Attribute Assortativities 6 Conclusions References Privacy in Online Social Networks: A Systematic Mapping Study and a Classification Framework 1 Introduction 2 Related Work 3 Systematic Mapping 3.1 Definition of Key Terms 3.2 Definition of Research Questions: Step 1 3.3 Conduct Search for Primary Studies and Screening of Papers for Inclusion and Exclusion: Steps 2 and 3 3.4 Classification Scheme and Mapping: Steps 3 and 4 3.4.1 RQ1 and RQ2: Topics in OSN Privacy Research 3.4.2 RQ3 and RQ4: Theoretical Contributions in OSN Privacy Research 3.4.3 RQ5 and RQ6: RE Research Papers in OSN Privacy Research 3.4.4 RQ7 and RQ8: Venues in OSN Privacy Research 4 Classification Framework for the Design and Action Theoretical Contributions 5 Discussion 6 Conclusion References Beyond Influence Maximization: Volume Maximization in Social Networks 1 Introduction 2 Related Work 3 Method 3.1 Data 3.2 Volume Maximization 3.3 Independent Cascade (IC) Diffusion Model 3.4 Reinforcement Learning Framework 3.5 Reward for the RL Framework 3.5.1 Diffusion Degree 3.5.2 Maximum Influence Degree 3.6 RL Learning Model 3.6.1 Q-Learning 3.6.2 SARSA 3.7 IBL Framework 3.7.1 Instance-Based Learning (IBL) Model 3.8 CELF-Volume Algorithm 3.9 Baseline Algorithms 3.10 Model Calibration 3.11 Expectation 4 Result 5 Discussion and Conclusion References Concerns of Indian Population on Covid-19 Vaccine Shortage Amidst Second Wave Infection Rate Spikes: A Social Media Opinion Analysis 1 Introduction 2 Literature Review 3 Methodological Approach 3.1 Preprocessing 3.2 Topic Modeling Process 4 Results 5 Discussion 6 Conclusions References The Effects of Face Masks on the Performance of Modern MWIR Face Detectors 1 Introduction 1.1 Goals and Contributions 2 Related Work 3 Methodology 3.1 Deep Learning Models 3.1.1 SSD MobileNet V2 3.1.2 SSD ResNet50 V1 3.1.3 CenterNet HourGlass104 3.1.4 CenterNet ResNet50 V2 3.1.5 Faster R-CNN Inception-ResNet V2 4 Experiments and Results 4.1 Datasets 4.2 Experimental Protocol 4.3 Results 4.4 Face Recognition Experiments 5 Conclusions and Future Work References Multispectral Face Mask Compliance Classification Duringa Pandemic 1 Introduction 2 Related Work 2.1 Masked Face Recognition 2.2 Mask Detection and Classification 3 Methodology 3.1 Classification Models 3.2 Dataset 3.3 Experimental Setup 3.4 Evaluation Metrics 4 Results and Discussion 4.1 Visible Results 4.2 Thermal Results 4.3 FMLD Test Set Results 4.4 Limitations 5 Conclusion and Future Work References On the Effectiveness of Visible and MWIR-Based Periocular Human Authentication When Wearing Face Masks 1 Introduction 1.1 Goals and Contributions 2 Related Research 3 Methodology 3.1 Pre-processing 3.1.1 MTCNN 3.2 FaceNet 3.3 VGG Face 3.4 Selecting Pre-trained Model 4 Experimental Results 4.1 Datasets 4.1.1 MILAB(B)-VTF 4.1.2 RMFD 4.2 Effects of Different Datasets 4.3 Data Preprocessing 4.4 Visible vs Thermal Data 4.5 Performance of Different Models 5 Conclusion and Future Work References