社交媒体大数据最常见的应用是趋势发现、社交媒体分析、情感分析和意见挖掘。例如,社交媒体协助企业获得客户对其产品的反馈,这些反馈可用于修改决策,并从企业中获得价值(Katal等人,2013;Wu等人,2014)。研究证实,现有的社交媒体大数据分析方法大多依赖于机器学习技术(Cambria等人,2013)。一些最常见的技术是分类(Charu C Aggarwal & Zhai,2012;Reuter & Cimiano,2012)、聚类(Lim等人,2017;Tang & Liu,2012)和深度学习(Jansson & Liu,2017;D. T. Nguyen等人,2016)。机器学习是人工智能的一个领域,已被应用于许多社交媒体平台,以检测数据的模式。然而,由于社交媒体的特殊性,如帖子中使用的俚语和行话,处理从社交媒体收集的大量数据,也带来了一些挑战。从社交媒体上收集的大数据在被妥善利用之前是无用的,因为它可以将大量的社交数据转化为有意义的见解,从而推动决策的制定(Gandomi & Haider,2015)。图1显示了社交媒体中大数据的过程。首先,从各种社交媒体来源收集数据,并存储在能够处理大量数据的大数据存储技术中,如HDFS、Hbase和Cassandra。社交媒体数据是噪声的,充满了与分析无关的信息,并且包含大量不一致的数据(Wlodarczak等人,2014)。应用数据整合和清理,为使用Spark、Hadoop和Mesos等技术处理大数据做准备。最后,用户可以通过各种终端设备,如电脑、服务器和智能手机,查看数据处理结果。
网站声明:如果转载,请联系本站管理员。否则一切后果自行承担。
添加我为好友,拉您入交流群!
请使用微信扫一扫!