ЖУРНАЛ БІЗНЕС ІНФОРМ.

УКР

ENG

Пошук:

СВІДОЦТВО ПРО РЕЄСТРАЦІЮ

КВ №19905-9705 ПР від 02.04.2013 р.

ЗАСНОВНИКИ

НАУКОВО-ДОСЛІДНИЙ ЦЕНТР ІНДУСТРІАЛЬНИХ ПРОБЛЕМ РОЗВИТКУ НАН УКРАЇНИ
(ХАРКІВ, УКРАЇНА)

Згідно з рішенням № 802 Національної ради України з питань телебачення і радіомовлення від 14.03.2024 р. зареєстрований суб’єктом у сфері друкованих медіа. Ідентифікатор R30-03156

ВИДАВЕЦЬ

ФОП Лібуркіна Л. М.

РОЗДІЛИ САЙТУ

Статистичні методи аналізу даних соціальних медіа
Туманов О. О.

Туманов О. О. Статистичні методи аналізу даних соціальних медіа. Бізнес Інформ. 2020. №2. C. 266–272.
https://doi.org/10.32983/2222-4459-2020-2-266-272

Розділ: Економічна статистика

Стаття написана українською мовою
Завантажень/переглядів: 0

Завантажити статтю (pdf) -

УДК 303.71:[316.77:004.77](477)

Анотація:
Завдяки невпинному поширенню інтернет-технологій двосторонній комунікаційний зв’язок між людьми стає все сильніший і розповсюджується не тільки в конкретному місці, але й у всіх куточках нашого світу. Збільшення використання соціальних медіа генерує великі обсяги даних та нові їх типи, які раніше були не доступні. Поняття «соціальні мережі» та «соціальні медіа» все частіше є частиною соціальних дискусій, організаційної стратегії та наукових досліджень. Зростаючий інтерес до соціальних мереж поєднується із поширенням загальнодоступних мережевих даних, спостерігається суттєве збільшення методів та розуміння того, як аналізувати дані соціальних мереж і де можна використовувати результати таких досліджень. Використання цих даних може бути ключовим у сучасній соціології та мати велике значення у сферах економіки, антропології, біології, демографії, комунікаційних досліджень, географії, історії, інформатики, організаційних досліджень, політології, охорони здоров'я, соціальної психології, дослідження розвитку, соціолінгвістики та інших. Зараз це широко доступний споживчий інструмент, тому зростання інтересу до аналізу та моделювання соціальних даних, а також актуальність цієї теми не можна недооцінювати. У даній статті наведено методи, застосовані для аналізу широкого кола соціальних медіа, що ґрунтуються на родинних зв’язках, діловому співробітництві, політичних альянсах тощо. У цьому контексті структура мережі та внутрішні структури інформації можуть бути визначальними. В одних випадках вони можуть мати позитивний вплив на ефективність економічного зростання, але в інших – мережева структура може призвести до деструктивних наслідків через існування безлічі зв’язків між деякими центральними суб’єктами (наприклад, поширення таких явищ, як епідемії чи фінансові кризи). Ця стаття представляє собою вступ до розгляду статистичних моделей, які спрямовані на вивчення особливостей даних соціальних медіа та наслідків соціальних процесів. Розглянуто підходи до аналізу зібраних даних, а також підіймаються питання надійності та достовірності отриманих результатів.

Ключові слова: методи аналізу, збір даних, соціальні медіа, аналіз, соціальні мережі.

Рис.: 1. Табл.: 1. Бібл.: 18.

Туманов Олексій Олександрович – здобувач, кафедра статистики, обліку та аудиту, Харківський національний університет імені В. Н. Каразіна (пл. Свободи, 4, Харків, 61022, Україна)
Email: [email protected]

Список використаних у статті джерел

Войтович О., Буда А., Головенько В. Дослідження методів аналізу соціальних мереж як середовища інформаційних війн // VI Міжнародна науково-практична конференція «Методи та засоби кодування, захисту й ущільнення інформації» : тези доповідей (м. Вінниця, 24–25 жовтня 2017 р.). Вінниця : ВНТУ, 2017. С. 76–80. URL: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/27958/76-86ycc0hnc6o8o3xgkr97hrynqd5m0obr.pdf?sequence=1&isAllowed=y
Горчинская О., Ривкин А. Анализ данных социальных сетей. Открытые системы. 2015. Вып. 03. С. 22–23. URL: http://www.fors.ru/upload/smi/Open-Systems_Gorchinskaya-Rivkin_09-2015.pdf
Мазуренко В. В., Штовба С. Д. Огляд моделей аналізу соціальних мереж. Вісник Вінницького політехнічного інституту. 2015. № 2. С. 62–74. URL: https://ir.lib.vntu.edu.ua/bitstream/handle/123456789/11950/813-812-1-PB.pdf?sequence=1&isAllowed=y
Adeli H., Siddique N. Introduction to Computational Intelligence // Computational Intelligence: Synergies of Fuzzy Logic, Neural Networks and Evolutionary Computing. Oxford, UK : John Wiley & Sons Ltd, 2013. P. 1–17.
Aggarwal C. (ed.) Social Network Data Analytics. Boston, MA : Springer US, 2011. URL: http://www.charuaggarwal.net/socialtoc.pdf
Amodei D., Christiano P., Man? D., Olah C., Schulman J., Steinhardt J., Concrete Problems in AI Safety. 2016. URL: https://arxiv.org/pdf/1606.06565.pdf
Armour F., Espinosa J., Kaisler S., Money W. Big Data: Issues and Challenges Moving Forward // 46th Hawaii International Conference on System Sciences, 2013. P. 995–1004. DOI: 10.1109/HICSS.2013.645
Armstrong M., Bachrach Y., Sharma V., Volkova S. Inferring Latent User Properties from Texts Published in Social Media // Proceedings of the Twenty-Ninth AAAI Conference on Artificial Intelligence, 2015. P. 4296–4297. URL: https://www.cs.jhu.edu/~svitlana/papers/VBAS-aaai15-demo.pdf
Cambria E., Hussain A. Introduction in Sentic Computing. Springer International Publishing, 2015. P. 1–21.
Chen B.-W., Du X., Jiang F., Rho S., Zhao D. Face hallucination and recognition in social network services. The Journal of Supercomputing. 2015. Vol. 71. No. 6. P. 2035–2049. DOI: 10.1007/s11227-014-1257-z
Cs?rdi G., Kolaczyk E. Statistical Analysis of Network Data with R. Journal of Statistical Software. 2015. Vol. 66. Book review 1. DOI: 10.18637/jss.v066.b01
D'Orazio F. The future of social media research: or how to re-invent social media listening in 10 steps. 2013. // Pulsar. URL: https://www.pulsarplatform.com/resources/the-future-of-social-media-research/
Gandomi A., Haider M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management. 2015. Vol. 35. Issue 2. P. 137–144. DOI: https://doi.org/10.1016/j.ijinfomgt.2014.10.007
Hansen D., Shneiderman B., Smith M. Analyzing Social Media Networks with NodeXL: Insights from a Connected World. Morgan Kaufmann, 2011. 304 p. URL: https://www.sciencedirect.com/book/9780123822291/analyzing-social-media-networks-with-nodexl#book-info
Ruths D., Pfeffer J. Social media for large studies of behavior. Science. 2014. Vol. 346. Issue 6213. P. 1063–1064. URL: https://people.cs.umass.edu/~brenocon/smacss2015/papers/Science-2014-Ruths-1063-4.pdf
Lin H., Meng J., Yu Y., Zhao Z. Visual and Textual Sentiment Analysis of a Microblog Using Deep Convolutional Neural Networks. Algorithms. 2016. Vol. 9. No. 2. P. 41–52. DOI: 10.3390/a9020041
AI Is Transforming Google Search. The Rest of the Web is Next / WIRED, 2016. URL: https://www.wired.com/2016/02/ai-is-changing-the-technology-behind-google-searches/
Tufecki Z. Big Questions for Social Media Big Data: Representativeness, Validity and Other Methodological Pitfalls // ICWSM ’14: Proceedings of the 8th International AAAI Conference on Weblogs and Social Media, 2014. P. 876–894. URL: https://arxiv.org/abs/1403.7400

ДЛЯ АВТОРІВ

Ліцензійний договір

Умови публікації

Вимоги до статей

Положення про рецензування

Договір публікації

Номер в роботі

Питання, які задаються найчастіше

ІНФОРМАЦІЯ

План наукових конференцій

НАШІ ПАРТНЕРИ

Журнал «Проблеми економіки»

Матеріали на сайті розміщені на умовах ліцензії Creative Commons Attribution 4.0 International CC BY-SA.

Написати вебмастеру