|
Лицензионное соглашение об использовании научных материалов.
|
РЕШЕНИЕ ПРОБЛЕМЫ ВЫЯВЛЕНИЯ ВЫСОКОУРОВНЕВЫХ ХАРАКТЕРИСТИК ПОЛЬЗОВАТЕЛЕЙ USSD-МЕНЮ НА ОСНОВЕ НИЗКОУРОВНЕВЫХ ХАРАКТЕРИСТИК С ПОМОЩЬЮ ПРИМЕНЕНИЯ АНАЛИЗА ФОРМАЛЬНЫХ ПОНЯТИЙ
|
Шадрина Екатерина Владимировна
Новосибирский национальный исследовательский государственный университет
|
|
Дата поступления рукописи в редакцию:
17 ноября 2014
г.
|
|
Аннотация.
В данной работе рассматриваются опыт и перспективы применения методов, основанных на анализе формальных понятий, к обработке данных пользователей социальных сетей с целью последующего переноса этого опыта на анализ логов пользователей USSD-сервисов. В статье приведен обзор существующих решений для социальных сетей, обозначены перспективы применения анализа формальных понятий к решению задачи выделения высокоуровневых характеристик пользователей USSD-сервисов на основе низкоуровневых характеристик.
|
Ключевые слова и фразы:
USSD
социальная сеть
анализ формальных понятий
высокоуровневая характеристика
низкоуровневая характеристика
social network
formal notions analysis
high-level characteristics
low-level characteristics
|
|
Открыть
полный текст статьи в формате PDF. Бесплатный просмотрщик PDF-файлов можно скачать здесь.
|
|
Список литературы:
- Гнатышак Д. В., Игнатов Д. И. Анализ данных (data mining) онлайн социальных сетей с помощью бикластеризации и трикластеризации. М., 2010.
- Игнатов Д. И. Методы бикластеризации для анализа интернет-данных. М., 2008.
- Пальчунов Д. Е. Моделирование мышления и формализация рефлексии. Ч. 2. Онтологии и формализация понятий // Философия науки. 2008. № 2 (37). С. 62-99.
- Шадрина Е. В. Имитационный генератор логов обращений к USSD-меню. Новосибирск, 2011.
- Шадрина Е. В. Методы статистической обработки и генерации логов обращений к USSD-меню. Новосибирск, 2013.
- Andrews P. S. Visualising Computational Intelligence through Converting Data into Formal Concepts // Next Generation Data Technologies for Collective Computational Intelligence. Sheffield, 2011.
- Benedicte Le Grand A. A. Advances in FCA-Based Applications for Social Networks Analysis. Paris: Sorbonne University, 2013.
- Bentayeb Selmane S. A., Boussaid O., Missaoui F. Mining Triadic Association Rules. Gatineau, 2011.
- Codocedo L. I. Semantic Querying of Data Guided by Formal Concept Analysis. Luxembourg, 2012.
- Cuvelier M. A Buzz and E-Reputation Monitoring Tool for Twitter Based on Galois Lattices. Derby, 2011.
- Freeman L. C. The Development of Social Network Analysis: A Study in the Sociology of Science. Vancouver, 2004.
- Ganter B. Formal Concept Analysis: Foundations and Applications. Berlin, 2005.
- Ignatov D. I., Kuznetsov S. O. From Triconcepts to Triclusters // Proceedings of the 13th International Conference on Rough Sets, Fuzzy Sets, Data Mining and Granular Computing. Moscow, 2011.
- Missaoui R. Social Network Analysis Using Formal Concept Analysis. Ottawa, 2013.
- Palchunov D. E. Lattices of Relatively Axiomatizable Classes // Lecture Notes in Artificial Intelligence. Berlin - Heidelberg - Clermont-Ferrand, 2007. P. 221-239.
- Palchunov D. E. Virtual Catalog: the Ontology-Based Technology for Information Retrieval // Lecture Notes in Artificial Intelligence. Berlin - Heidelberg - Novosibirsk, 2011. P. 164-183.
- Riadh T. M. Powerconcept: Conceptual Metrics’ Distributed Computation // 8th International Conference on Formal Concept Analysis. Morocco, 2010.
- Rokia Missaoui L. K. Mining Triadic Association Rules from Ternary Relations // Formal Concept Analysis. Lecture Notes in Computer Science. Berlin - Heidelberg, 2011.
- Scott J. Social Network Analysis. L., 2000.
- Wal V. Folksonomy Coinage and Definition [Электронный ресурс]. URL: http://vanderwal.net/folksonomy.html (дата обращения: 24.09.2014).
- Wille R. Restructuring Lattice Theory: An Approach Based on Hierarchies of Concepts. Darmstadt, 1982.
- Wolff K. E., Palchunov D. E. Knowledge Processing and Data Analysis // Lecture Notes in Artificial Intelligence. Berlin - Heidelberg - Novosibirsk, 2011.
|
|
