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
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
On Limiting Donor Usage for Imputation of Missing Data via Hot Deck Methods Kapitel lesen Erstes Kapitel lesen

2014 | OriginalPaper | Buchkapitel

Feedback Prediction for Blogs

verfasst von : Krisztian Buza

Erschienen in: Data Analysis, Machine Learning and Knowledge Discovery

Verlag: Springer International Publishing

Einloggen

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

search-config
loading …

Abstract

The last decade lead to an unbelievable growth of the importance of social media. Due to the huge amounts of documents appearing in social media, there is an enormous need for the automatic analysis of such documents. In this work, we focus on the analysis of documents appearing in blogs. We present a proof-of-concept industrial application, developed in cooperation with Capgemini Magyarország Kft. The most interesting component of this software prototype allows to predict the number of feedbacks that a blog document is expected to receive. For the prediction, we used various predictions algorithms in our experiments. For these experiments, we crawled blog documents from the internet. As an additional contribution, we published our dataset in order to motivate research in this field of growing interest.

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 Clustering Large Datasets Using Data Stream Clustering Techniques
Nächstes Kapitel Spectral Clustering: Interpretation and Gaussian Parameter
Fußnoten
1
In order to quantify how discriminative is a word w, we use the average and standard deviation of the number of feedbacks of documents that contain w, and the average and standard deviation of the number of feedbacks of documents that do not contain w. Then, we divide the difference of the number of average feedbacks with the sum of the both standard deviations. Then, we selected the 200 most discriminative words.
 
Literatur
Marinho, L. B., Buza, K., & Schmidt-Thieme, L. (2008). Folksonomy-based collabulary learning. The Semantic Web—ISWC 2008. Lecture Notes in Computer Science (Vol. 5318) (pp. 261–276). Heidelberg: Springer.
Pang, B., & Lee, L. (2008). Opinion mining and sentiment analysis. Journal Foundations and Trends in Information Retrieval, 2, 1–135.CrossRef
Pinto, J. P. G. S. (2008). Detection methods for blog trends. Report of Dissertation Master in Informatics and Computing Engineering. Faculdade de Engenharia da Universidade do Porto.
Reuter, T., Cimiano, P., Drumond, L., Buza, K., & Schmidt-Thieme, L. (2011). Scalable event-based clustering of social media via record linkage techniques. In 5th International AAAI Conference on Weblogs and Social Media. Menlo Park: The AAAI Press.
Tan, P. N., Steinbach, M., & Kumar, V. (2006) Introduction to data mining. Boston: Pearson Addison Wesley.
Witten, I. H., & Franke, E. (2005). Data mining. Practical machine learning tools and techniques (2nd ed.). San Francisco: Elsevier.MATH
Yano, T., & Smith, N. A. (2010). What’s worthy of comment? Content and comment volume in political blogs. In 4th International AAAI Conference on Weblogs and Social Media (pp. 359–362). Menlo Park: The AAAI Press.
Metadaten
Titel
Feedback Prediction for Blogs
verfasst von
Krisztian Buza
Copyright-Jahr
2014
Buch
Data Analysis, Machine Learning and Knowledge Discovery

Print ISBN: 978-3-319-01594-1

Electronic ISBN: 978-3-319-01595-8

Copyright-Jahr: 2014

DOI
https://doi.org/10.1007/978-3-319-01595-8_16

Premium Partner

    Bildnachweise