Social network analysis and online analytical processing

الموضوعات

علوم تطبيقية وتكنولوجية

الملخص

Récemment, les réseaux sociaux, comme Twitter et Facebook, ont émergé comme des outils de communication extrêmement importants. Ces services non seulement rendent les utilisateurs capables d’échanger des informations sur leurs opinions et leurs perspectives, mais aussi de leur permettre de découvrir les derniers événements et réactions. Le résultat de ces services a conduit à l’accumulation d’énormes quantités de données structurées et non structurées. Bien que, ce contenu soit généralement bruyant, ambiguës et non structuré, mais il est très riche en terme d’informations et des connaissances. Business Intelligence (BI) représente un ensemble de technologies et de systèmes qui jouent un rôle majeur pour fournir la bonne information extraite à partir de grandes quantités de données. Ces techniques représentent l’informatique à l’usage des dirigeants d’entreprises. Le but majeur de BI et d’offrir une aide à la décision et à la planification future. L’objectif principal de cette thèse est d’analyser les données générées par les réseaux sociaux à partir de différentes perspectives et avec différentes granularité en utilisant la technique OLAP. Cette étude pourrait aider les décideurs à fournir des décisions efficaces et effectives sur une énorme quantité de données complexes et multidimensionnelles. Pour réaliser l’analyse sémantique et pour regrouper les utilisateurs en fonction des intérêts similaires, nous proposons un nouveau modèle appelé Community Extraction based on Topic-Driven-Model (CETD). Pour déterminer la liste des informations pertinentes extraites à partir des données sociales, nous proposons un nouveau modèle d’entreposage appelé Social Graph Cube. Ce modèle permet d’adapter la technique OLAP selon les caractéristiques des données sociales multidimensionnelles. Nous proposons un nouveau frame work appelé Microbloging Community Architecture pour l’extraction et le cubage dynamique des données sociales. Il présente la possibilité d’explorer de manière flexible les données sociales et d’analyser les nouvelles perceptions en temps opportun.

روابط وملفات

التعريف والنوع

رقم الوثيقة

08538d27-2013-400b-9ed1-e9294f0bdeef

رقم العقد

0

نوع الوسائط

Crawler

نوع المحتوى

الرسائل العلمية

صيغة المصدر

رسائل دكتوراة

نوع الملف

pdf text

أسماء الملفات

2230517_1.pdf

بيانات النشر

ألقاب المؤلفين

[{"name_ar":" Lilia Hannachi","title_ar":"اعداد","title_en":"Preparation"},{"name_ar":"N Benblidia ","title_ar":"اشراف","title_en":"Supervision"},{"name_ar":"O Boussaid","title_ar":"اشراف","title_en":"Supervision"}]

اللغة

French

المصدر والدورية

اسم المصدر

Social network analysis and online analytical processing

المحتوى والصفحات

عدد الصفحات

0

ترجمة الملخص

Recently, social network sites, like Twitter and Facebook, have emerged as a hugely important communication utility. These services not only make users able to exchange information about their personal views, and opinions but also enable them to discover interesting knowledge or news. The result of these services has led to the accumulation of enormous amounts of structured and unstructured data. Although, this content is generally noisy, ambiguous, ungrammatical and unstructured text, but it is a rich dataset where most likely users try to pack substantial meaning into this space. Business Intelligence (BI) represents a set of technologies and systems that play a major role to deliver the right information mined from large amounts of data for decision making and future planning. The main objective of this thesis is to determine how Business Intelligence techniques like On-Line Analytical Processing tools could help analyzers in providing effective and efficient decision-making about several kinds of complex data arising in real-world situations such as social media services which represents a huge complex and multidimensional content. To achieve the semantic analysis and to group users according to similar interests, we propose a new model called Community Extraction based on Topic-Driven-Model(CETD).To determine the list of pertinent information mined from the social network data, we suggest a new data warehousing model, Social Graph Cube to support OLAP technologies on multidimensional social networks. To extend decision support services on social data with complex features, we propose a new multidimensional model, called Microblogging Cube, for efficient and effective exploration of data contained in the social network sites. To analyze and under stand the information behind social network services, we suggest a new dynamic data cubing and mining framework, called Microblogging Community Architecture. It presents the ability to flexibly explore social data and get a fresh and timely perception of the semantic data generated in online social channels.

كلمات الباحثين

Exploration de données Entrepôt de données OLAP Informatique décisionnelle Analyses des réseaux sociaux

إشراف وإعداد

الإشراف

N Benblidia , O Boussaid

الإعداد

Lilia Hannachi

الاقتباسات الببليوغرافية