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:
Formalization and Visualization of the Narrative for Museum Guides Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

FIRE: Finding Important News REports

verfasst von : Nicholas Mamo, Joel Azzopardi

Erschienen in: Semantic Keyword-Based Search on Structured Data Sources

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

Every day, an immeasurable number of news items are published. Social media greatly contributes to the dissemination of information, making it difficult to stay on top of what is happening. Twitter stands out among popular social networks due to its large user base and the immediateness with which news is spread.
In this paper, we present a solution named Finding Important News REports (FIRE) that exploits the information available on Twitter to identify and track breaking news, and the defining articles that discuss them. The methods used in FIRE present context-specific problems when dealing with the micro-messages of Twitter, and thus they are the subject of research.
FIRE demonstrates how Twitter’s conversation habits do nothing to shackle the detection of important news. To the contrary, the developed system is able to extract newsworthy stories that are important to the general population, and do so before Twitter itself. Moreover, the results emphasize the need for reliable and efficient spam and noise filtering tools.

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 Data Reduction Techniques Applied on Automatic Identification System Data
Nächstes Kapitel Analysing and Visualising Parliamentary Questions: A Linked Data Approach
Fußnoten
3
https://​github.​com/​fennb/​phirehose/​. Last accessed on April 9, 2017.
 
Literatur
1.
Cataldi, M., Di Caro, L., Schifanella, C.: Emerging topic detection on Twitter based on temporal and social terms evaluation. In: Proceedings of the Tenth International Workshop on Multimedia Data Mining, MDMKDD 2010, pp. 4:1–4:10. ACM, New York (2010)
2.
Madani, A., Boussaid, O., Zegour, D.E.: Real-time trending topics detection and description from Twitter content. Soc. Netw. Anal. Min. 5(1), 1–13 (2015)CrossRef
3.
Vosecky, J., Jiang, D., Leung, K.W.-T., Ng, W.: Dynamic multi-faceted topic discovery in Twitter. In: Proceedings of the 22nd ACM International Conference on Information & Knowledge Management, CIKM 2013, pp. 879–884. ACM, New York (2013)
4.
Yang, M.-C., Rim, H.-C.: Identifying interesting Twitter contents using topical analysis. Expert Syst. Appl. 41(9), 4330–4336 (2014)CrossRef
5.
Sankaranarayanan, J., Samet, H., Teitler, B.E., Lieberman, M.D., Sperling, J.: Twitterstand: news in tweets. In: Proceedings of the 17th ACM SIGSPATIAL International Conference on Advances in Geographic Information Systems, GIS 2009, pp. 42–51. ACM, New York (2009)
6.
Cataldi, M., Caro, L.D., Schifanella, C.: Personalized emerging topic detection based on a term aging model. ACM Trans. Intell. Syst. Technol. 5(1), 7:1–7:27 (2014)
7.
Vadrevu, S., Teo, C.H., Rajan, S., Punera, K., Dom, B., Smola, A.J., Chang, Y., Zheng, Z.: Scalable clustering of news search results. In: Proceedings of the Fourth ACM International Conference on Web Search and Data Mining, WSDM 2011, pp. 675–684. ACM, New York (2011)
8.
Legány, C., Juhász, S., Babos, A.: Cluster validity measurement techniques. In: Proceedings of the 5th WSEAS International Conference on Artificial Intelligence, Knowledge Engineering and Data Bases, AIKED 2006, pp. 388–393. World Scientific and Engineering Academy and Society (WSEAS), Stevens Point (2006)
9.
Staff, C., Azzopardi, J., Layfield, C., Mercieca, D.: Search results clustering without external resources. In: 2015 26th International Workshop on Database and Expert Systems Applications (DEXA), pp. 276–280, September 2015
10.
Azzopardi, J., Staff, C.: Incremental clustering of news reports. Algorithms 5(3), 364 (2012)CrossRef
11.
Benevenuto, F., Magno, G., Rodrigues, T., Almeida, V.: Detecting spammers on Twitter. In: Collaboration, Electronic Messaging, Anti-Abuse and Spam Conference (CEAS) (2010)
12.
Gardner, M.W., Dorling, S.R.: Artificial neural networks (the multilayer perceptron)—a review of applications in the atmospheric sciences. Atmos. Environ. 32(14), 2627–2636 (1998)CrossRef
13.
Shen, H., Liu, X.: Detecting spammers on Twitter based on content and social interaction. In: 2015 International Conference on Network and Information Systems for Computers, pp. 413–417, January 2015
14.
Porter, M.F.: An algorithm for suffix stripping. Program 14(3), 130–137 (1980)CrossRef
15.
McMinn, A.J., Moshfeghi, Y., Jose, J.M.: Building a large-scale corpus for evaluating event detection on Twitter. In: Proceedings of the 22nd ACM International Conference on Information & Knowledge Management, CIKM 2013, pp. 409–418. ACM, New York (2013)
16.
Ştefănescu, D., Banjade, R., Rus, V.: Latent semantic analysis models on Wikipedia and TASA. In: Language Resources Evaluation Conference (LREC) (2014)
Metadaten
Titel
FIRE: Finding Important News REports
verfasst von
Nicholas Mamo
Joel Azzopardi
Copyright-Jahr
2018
Buch
Semantic Keyword-Based Search on Structured Data Sources

Print ISBN: 978-3-319-74496-4

Electronic ISBN: 978-3-319-74497-1

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-74497-1_3

Neuer Inhalt

    Bildnachweise