Serwis Infona wykorzystuje pliki cookies (ciasteczka). Są to wartości tekstowe, zapamiętywane przez przeglądarkę na urządzeniu użytkownika. Nasz serwis ma dostęp do tych wartości oraz wykorzystuje je do zapamiętania danych dotyczących użytkownika, takich jak np. ustawienia (typu widok ekranu, wybór języka interfejsu), zapamiętanie zalogowania. Korzystanie z serwisu Infona oznacza zgodę na zapis informacji i ich wykorzystanie dla celów korzytania z serwisu. Więcej informacji można znaleźć w Polityce prywatności oraz Regulaminie serwisu. Zamknięcie tego okienka potwierdza zapoznanie się z informacją o plikach cookies, akceptację polityki prywatności i regulaminu oraz sposobu wykorzystywania plików cookies w serwisie. Możesz zmienić ustawienia obsługi cookies w swojej przeglądarce.
Social media keeps growing and providing us with rich sources of information to understand our everyday lives, customs, and culture in the form of periodic topics. This paper proposes a method of detecting periodic topics based on autocorrelation using the time series of the document frequencies of keywords. To deal
of that unrest on Phuket's tourism environment. It is proposed that this analysis can provide measurable insights through summarization, keyword analysis and clustering. We measure sentiment using a binary choice keyword algorithm. A multi-knowledge based approach is proposed using, Self-Organizing Maps along with
analysis platform to detect the global topics. Our framework targets various countries' social media and extracts keywords from messages written by different languages. Then the framework translates keywords from a local language to English, so that we can understand meanings of keywords. Since our framework is based on
Burst detection is one of the most popular techniques for extracting remarkable keywords in online social documents posted through social media. With the growing interest in geosocial media these days, many researchers are focusing on extracting geolocal keywords related to local topics and events from such social
empirical rules, then, burst detection algorithm is adopted to discover peak interval of all phases, finally, we use a summarization technique TextRank to extract keywords from contents to summarize the topics in each phase. In addition, we perform experiments on two real-world datasets collected from different social media
Twitter). In our previous work, we developed a method for identifying local temporal burstiness to detect local hot keywords considering the users' location. The previous method is based on Kleinberg's temporal burst detection algorithm, which presupposes that the rate of posting remains constant. However, this leads to a
Podaj zakres dat dla filtrowania wyświetlonych wyników. Możesz podać datę początkową, końcową lub obie daty. Daty możesz wpisać ręcznie lub wybrać za pomocą kalendarza.