Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Altered PPI Due to Mutations in hPER2 and CKI Delta Locus, Causing ASPS Kapitel lesen Erstes Kapitel lesen

2017 | OriginalPaper | Buchkapitel

Event Detection Over Twitter Social Media

verfasst von : Sartaj Kanwar, Nimita Mangal, Rajdeep Niyogi

Erschienen in: Proceedings of the First International Conference on Intelligent Computing and Communication

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Twitter is a social networking site that allows a large number of users to communicate with each other. Twitter allows users to share their views on different topics ranging from day to day life to what is going in society. Event detection in twitter is the process of detecting popular events using messages generated by the users. Event detection is difficult in twitter as compared to other media because the message known as tweets is only allowed to be less than 140 characters. Moreover the tweets are noisy because there may be personal messages by the user also. The focus of this paper is to find top k popular events from tweets using keywords contained in the tweets. This paper also classified the popular events into different categories.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Prediction of Twitter Users’ Interest Based on Tweets
Nächstes Kapitel DMDAM: Data Mining Based Detection of Android Malware
Literatur
1.
H Sayyadi, M Hurst, and A Maykov. Event Detection and Tracking in Social Streams. In Proceedings of the Third International ICWSM Conference, pp. 311–314, 2009.
2.
X. Zhou and L. Chen. Event detection over twitter social media streams. The VLDB Journal—The International Journal on Very Large Data Bases, 23(3), pp. 381–400.
3.
W. Dou, X. Wang, W. Ribarsky and M. Zhou. Event Detection in Social Media Data. In IEEE VisWeek Workshop on Interactive Visual Text Analytics-Task Driven Analytics of Social Media Content, pp. 971–980, 2012.
4.
H. Becker, M. Naaman and L. Gravano. Learning Similarity Metrics for Event Identification in Social Media. In Proceedings of the third ACM international conference on Web search and data mining, pp. 291–300, 2010.
5.
A. Marcus, M. S. Bernstein, O. Badar, D. R. Karger, S. Madden and R. C. Miller. TwitInfo: Aggregating and visualizing microblogs for event exploration. In Proceedings of the SIGCHI conference on Human factors in computing systems, pp. 227–236, 2011.
6.
H. Becker, M. Naaman and L. Gravano. Learning Similarity Metrics for Event Identification in Social Media. In Proceedings of the third ACM international conference on Web search and data mining, pp. 291–300, 2010.
7.
M. Mathioudakis and N. Loudas. TwitterMonitor: Trend detection over the twitter stream. In Proceedings of the 2010 ACM SIGMOD International Conference on Management of data, pp. 1155–1158, 2010.
8.
J. Weng, Y. Yao, E. Leonardi and F. Lee. Event Detection in Twitter. In Proceedings of the 5th International AAAI Conference on Weblogs and Social Media, pp. 401–408, 2011.
9.
S. Unankard, X. Li and Mohamed A. Sharaf. Emerging event detection in social networks with location sensitivity. World Wide Web, pp. 1–25, 2014.
10.
J. Sankaranarayanan, H. Samet, Benjamin E. Teitler, Michael D. Lieberman and J. Sperling. TwitterStand: News in Tweets. In Proceedings of the 17th ACM sigspatial international conference on advances in geographic information systems, pp. 42–51, 2009.
11.
A. Guille and C. Favre. Event detection, tracking, and visualization in twitter: a mention anomaly based-approach. Social Network Analysis and Mining 5, no. 1, pp. 1–18, 2015.CrossRef
Metadaten
Titel
Event Detection Over Twitter Social Media
verfasst von
Sartaj Kanwar
Nimita Mangal
Rajdeep Niyogi
Copyright-Jahr
2017
Verlag
Springer Singapore
Buch
Proceedings of the First International Conference on Intelligent Computing and Communication

Print ISBN: 978-981-10-2034-6

Electronic ISBN: 978-981-10-2035-3

Copyright-Jahr: 2017

DOI
https://doi.org/10.1007/978-981-10-2035-3_19