MEASURING CLIMATE CHANGE ON TWITTER
USING GOOGLE’S ALGORITHM: PERCEPTION AND EVENTS
MEASURING
CLIMATE CHANGE ON TWITTER
The climate change
perception on twitter using a means of Information Retrieval and Page Rank
analysis of multiple type of networks. Its awareness problem has been explored
in a large magnitude studies. But it has never been explored using social media
data, Twitter in the way here computationally using data mining and network
analysis methods. So its solution of this issue, a set of
bigram features from literature selected, commonly used information, extraction
methods. The relevant article titles as the search query “climate” in the
period between 1990 & 2014, gathered. This bigrams offered a network mechanism which it lends
itself naturally to type of network that guarantees directional and weighted
edges. It was done by parsing each tweet in the data set (e.g carbon, warming,
emission). It was paired up with all the hashtags on the tweet. It produces the
following pairs (climate, florida) & (“change, florida”) using a priori
Agrawal & Srikant, an Association Analysis Algorithm, it generated rules
from the transaction pairs (actual confidence values), used as a weight for the
edge, connects the LHS of each rule with its RHS.
The experiments depend on a
minimum confidence configuration, parameter, set at the beginning of each
experiment. The number of significant events, the hashtags, its climate change
events during that year, a ground truth and network centrality measures, used
and opened, it helped to establish the motion of public perception.
GTN
vs TBN Page Rank Network Analysis
After constructing the GTN
and the TBN, it can compare the page rank of each term in both networks, used
bigram frequencies as a weight of the TBN. the paper demonstrated in detail the
rations types of experiments performed.
From the data above we can
conclude that each data set is represented by a row and a table. The columns,
the number of records generated from the data set, either word climate in a
hashtag. The number of Association,rules generated by each data set.
Climate
Change Events Identification
Now we look at the hashtags
that are emergent may or not overlap with one unigram.it is likely to have a
hashtag that is entirely emergent. A transaction is made of a pair of unigram
or hashtag. This makes these transactions candidates for a climate change events
which may or may not be significant.
Discussion
And Conclusion
We explored the climate
change perception and event identification on Twitter using data mining and
network analysis of multiple types of networks. The climate change perception
on twitter using a means of Information Retrieval and Page Rank analysis of
multiple type of networks. Its awareness problem has been explored in a large
magnitude studies. But it has never been explored using social media data.
After constructing the GTN
and the TBN, it can compare the page rank of each term in both networks, used
bigram frequencies as a weight of the TBN. the paper demonstrated in detail the
rations types of experiments performed
TERJEMAHAN
MENGUKUR PERUBAHAN IKLIM DI TWITTER
MENGGUNAKAN GOOGLE ALGORITMA: PERSEPSI DAN ACARA
MENGUKUR PERUBAHAN IKLIM DI TWITTER
Perubahan iklim persepsi di twitter menggunakan sarana Information Retrieval dan Page Rank analisis beberapa jenis jaringan. masalah kesadaran yang telah dieksplorasi dalam penelitian berkekuatan besar. Tapi itu tidak pernah dieksplorasi menggunakan data media sosial, Twitter dalam perjalanan ke sini komputasi menggunakan metode data mining dan analisis jaringan. Jadi solusinya dari masalah ini, satu set fitur bigram dari literatur yang dipilih, informasi umum digunakan, metode ekstraksi. Judul artikel yang relevan sebagai permintaan pencarian "iklim" pada periode antara 1990 & 2014, berkumpul. Biagram ini menawarkan mekanisme jaringan yang cocok dan alami untuk jenis jaringan yang menjamin tepi terarah dan berbobot. Hal itu dilakukan oleh parsing setiap tweet yang di set data (mis karbon, pemanasan, emisi). Itu dipasangkan pada semua hashtags pada tweet. Ini menghasilkan pasangan berikut (iklim, florida) & ( "perubahan, florida") menggunakan apriori Agrawal & Srikant, sebuah Analisis Algoritma Asosiasi, itu dihasilkan aturan dari pasangan transaksi (nilai keyakinan yang sebenarnya), yang digunakan sebagai bobot tepi , menghubungkan LHS dari setiap aturan dengan yang RHS.
Percobaan tergantung pada
konfigurasi kepercayaan minimum, parameter, ditetapkan pada awal setiap
percobaan. Jumlah kejadian yang signifikan, hashtags, peristiwa perubahan iklim
selama tahun itu, kebenaran dasar dan sentralitas jaringan tindakan, digunakan
dan membuka, itu membantu untuk membangun gerakan persepsi publik.
GTN vs Analisis TBN Page
Rank Jaringan
Setelah membangun GTN dan TBN, dapat membandingkan peringkat halaman dari setiap istilah di kedua jaringan, frekuensi bigram digunakan sebagai berat dari TBN. kertas menunjukkan secara rinci jenis jatah dari percobaan yang dilakukan.
Dari data di atas dapat disimpulkan
bahwa setiap set data yang diwakili oleh baris dan meja. Kolom, jumlah record
yang dihasilkan dari kumpulan data, baik iklim kata dalam hashtag. Jumlah
Association, aturan yang dihasilkan oleh masing-masing set data.
Iklim Identifikasi Perubahan Acara
Sekarang kita melihat hashtag yang muncul mungkin atau tidak tumpang tindih dengan satu unigram.it cenderung memiliki hashtag yang sepenuhnya muncul. Transaksi terbuat dari sepasang unigram atau hashtag. Hal ini membuat calon transaksi ini untuk acara perubahan iklim yang mungkin atau mungkin tidak signifikan.
Diskusi dan kesimpulan
Kami menjelajahi perubahan iklim persepsi dan acara identifikasi di Twitter menggunakan data mining dan analisis jaringan beberapa jenis jaringan. Perubahan iklim persepsi di twitter menggunakan sarana Information Retrieval dan Page Rank analisis beberapa jenis jaringan. masalah kesadaran yang telah dieksplorasi dalam penelitian berkekuatan besar. Tapi itu tidak pernah dieksplorasi menggunakan data media sosial.
Setelah membangun GTN dan TBN, dapat membandingkan peringkat halaman dari setiap istilah di kedua jaringan, frekuensi bigram digunakan sebagai berat dari TBN. kertas menunjukkan secara rinci jenis jatah dari percobaan yang dilakukan
0 komentar:
Posting Komentar