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: Huiji Gao. Haun Liu
سری: Synthesis Lectures on Data Mining and Knowledge Discover
ISBN (شابک) : 162705412X, 9781627054126
ناشر: Morgan & Claypool
سال نشر: 2015
تعداد صفحات: 117
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب استخراج تحرک انسانی در شبکه های اجتماعی مبتنی بر مکان: پایگاه های داده کاوی کامپیوترهای بزرگ فناوری رسانه های اجتماعی اینترنت
در صورت تبدیل فایل کتاب Mining Human Mobility in Location-Based Social Networks 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 استخراج تحرک انسانی در شبکه های اجتماعی مبتنی بر مکان 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.
در سالهای اخیر، رشد سریع خدمات شبکههای اجتماعی مبتنی بر مکان مانند Foursquare و Facebook Places وجود داشته است که تعداد فزایندهای از کاربران را به خود جذب کرده و تجربه شهری آنها را بسیار غنی کرده است. سایتهای شبکههای اجتماعی مبتنی بر مکان معمولی به کاربر این امکان را میدهند که در یک POI واقعی (نقطه مورد علاقه، به عنوان مثال، هتل، رستوران، تئاتر و غیره) \"\" اعلام حضور کند\"\")، نکاتی را برای POI بگذارد. ، و اعلام حضور را با دوستان آنلاین خود به اشتراک بگذارید. عمل ورود، شکاف بین دنیای واقعی و شبکههای اجتماعی آنلاین را پر میکند و در نتیجه نوع جدیدی از شبکههای اجتماعی، یعنی شبکههای اجتماعی مبتنی بر مکان (LBSNs) ایجاد میشود. در مقایسه با دادههای سنتی GPS، دادههای شبکههای اجتماعی مبتنی بر مکان حاوی ویژگیهای منحصربهفردی با اطلاعات ناهمگن فراوان برای آشکار کردن تحرک انسان است، به عنوان مثال، \"\"چه زمانی و کجا یک کاربر (که) برای چه چیزی بوده است،\"\" مربوط به فرصتی بی سابقه برای درک بهتر تحرک انسان از جنبه های مکانی، زمانی، اجتماعی و محتوایی. استخراج و درک تحرک انسان میتواند منجر به رویکردهای مؤثری برای بهبود خدمات مبتنی بر مکان فعلی از بازاریابی تلفن همراه تا سیستمهای توصیهکننده شود و تجربه زندگی راحتتری را نسبت به قبل برای کاربران فراهم کند. این کتاب از دیدگاه داده کاوی برای ارائه یک نمای کلی از مطالعه تحرک انسان در شبکه های اجتماعی مبتنی بر مکان و روشن کردن طیف گسترده ای از وظایف محاسباتی مرتبط استفاده می کند. مفاهیم اساسی را معرفی میکند، چالشهای مرتبط را شرح میدهد، الگوریتمهای پیشرفته را با مثالهای گویا و مجموعه دادههای LBSN در دنیای واقعی مرور میکند، و روشهای ارزیابی موثر در استخراج تحرک انسان را مورد بحث قرار میدهد. به طور خاص، ویژگیها و فرصتهای تحقیقاتی منحصربهفرد دادههای LBSN را نشان میدهیم، وظایف معرف استخراج تحرک انسان در شبکههای اجتماعی مبتنی بر مکان، از جمله گرفتن الگوهای تحرک کاربر برای درک اینکه کاربر معمولاً چه زمانی و به کجا میرود (پیشبینی مکان)، و بهرهبرداری از کاربر را نشان میدهد. تنظیمات برگزیده و نمایههای مکان برای بررسی مکان و زمانی که کاربر میخواهد کاوش کند (توصیه مکان)، همراه با مطالعه فعالیت ورود کاربر از نظر اینکه چرا کاربر به یک مکان خاص میرود.
In recent years, there has been a rapid growth of location-based social networking services, such as Foursquare and Facebook Places, which have attracted an increasing number of users and greatly enriched their urban experience. Typical location-based social networking sites allow a user to ""check in"" at a real-world POI (point of interest, e.g., a hotel, restaurant, theater, etc.), leave tips toward the POI, and share the check-in with their online friends. The check-in action bridges the gap between real world and online social networks, resulting in a new type of social networks, namely location-based social networks (LBSNs). Compared to traditional GPS data, location-based social networks data contains unique properties with abundant heterogeneous information to reveal human mobility, i.e., ""when and where a user (who) has been to for what,"" corresponding to an unprecedented opportunity to better understand human mobility from spatial, temporal, social, and content aspects. The mining and understanding of human mobility can further lead to effective approaches to improve current location-based services from mobile marketing to recommender systems, providing users more convenient life experience than before. This book takes a data mining perspective to offer an overview of studying human mobility in location-based social networks and illuminate a wide range of related computational tasks. It introduces basic concepts, elaborates associated challenges, reviews state-of-the-art algorithms with illustrative examples and real-world LBSN datasets, and discusses effective evaluation methods in mining human mobility. In particular, we illustrate unique characteristics and research opportunities of LBSN data, present representative tasks of mining human mobility on location-based social networks, including capturing user mobility patterns to understand when and where a user commonly goes (location prediction), and exploiting user preferences and location profiles to investigate where and when a user wants to explore (location recommendation), along with studying a user's check-in activity in terms of why a user goes to a certain location.