Wykrywanie trendów regionalnych na podstawie danych z Twittera w czasie rzeczywistym w celu analizy nastrojów, kontekstu, sieci i czasu
##plugins.themes.bootstrap3.article.sidebar##
Numer Tom 15 Nr 1 (2025)
-
Statystyczna wiarygodność decyzji o wadliwości kontrolowanego procesu
Yevhen Volodarskyi, Oleh Kozyr, Zygmunt Warsza5-9
-
Impulsowy generator chaotyczny oparty na klasycznym obwodzie Chuy
Volodymyr Rusyn, Andrii Samila, Bogdan Markovych, Aceng Sambas, Christos Skiadas, Milan Guzan10-14
-
Stabilność metaheurystycznych regulatorów PID w fotowoltaicznych mikrosieciach prądu stałego
Elvin Yusubov, Lala Bekirova15-21
-
Integracja symulacji numerycznej i danych eksperymentalnych dla ulepszonego monitorowania stanu konstrukcji mostów
Om Narayan Singh, Kaushik Dey22-26
-
Zastosowanie programowania wieloagentowego do modelowania zmian lepkości wsadu w produkcji alkoholu
Larysa Gumeniuk, Ludmyla Markina, Viktor Satsyk, Pavlo Humeniuk, Anton Lashch27-32
-
Stochastyczna algebra interwałowa opisująca procesy inteligentnej fabryki
Piotr Dziurzanski, Konrad Kabala, Agnieszka Konrad33-38
-
Rozwój w konserwacji paneli słonecznych: przegląd systemów automatycznego czyszczenia z kurzu opartych na Internecie rzeczy
Balamurugan Rangaswamy, Ramasamy Nithya39-44
-
Zmodyfikowany cosinus-kwadratowy model odbicia światła
Oleksandr Romanyuk, Volodymyr Lytvynenko, Yevhen Zavalniuk45-48
-
Analiza porównawcza urządzeń do magazynowania energii z użyciem akumulatorów litowo-żelazowo-fosforanowych i sodowo-jonowych
Huthaifa A. Al_Issa, Mohamed Qawaqzeh, Lina Hani Hussienat, Ruslan Oksenych, Oleksandr Miroshnyk, Oleksandr Moroz, Iryna Trunova, Volodymyr Paziy, Serhii Halko, Taras Shchur49-54
-
Badania przetwornika DC-AC z mikrokontrolerem sterującym częstotliwością inwertera
Anatolii Tkachuk, Mykola Polishchuk, Liliia Polishchuk, Serhii Kostiuchko, Serhii Hryniuk, Liudmyla Konkevych55-61
-
Aparat matematyczny do znajdowania optymalnej konfiguracji bezpiecznej sieci komunikacyjnej z określoną liczbą abonentów
Wolodymyr Khoroshko, Yuliia Khokhlachova, Oleksandr Laptiev, Al-Dalvash Ablullah Fowad62-66
-
Krytyczne aspekty cyberbezpieczeństwa w celu poprawy ochrony infrastruktury cyfrowej przedsiębiorstwa
Roman Kvуetnyy, Volodymyr Kotsiubynskyi, Serhii Husak, Yaroslav Movchan, Nataliia Dobrovolska, Sholpan Zhumagulova, Assel Aitkazina67-72
-
Modyfikacja algebraicznego dekodera Petersonа
Dmytro Mogylevych, Iryna Kononova, Liudmyla Pogrebniak, Kostiantyn Lytvyn, Igor Gyrenko73-78
-
Opracowanie modelu obliczania rozmycia współczynników precyzji globalnego systemu nawigacji w danym punkcie przestrzeni
Oleksandr Turovsky, Nazarii Blazhennyi, Roman Vozniak, Yana Horbachova, Kostiantyn Horbachov, Nataliia Rudenko79-87
-
Ekspert agenta AI z opcją LLM do zarządzania operacjami misji
Sobhana Mummaneni, Syama Sameera Gudipati, Satwik Panda88-94
-
Przegląd systemów operacyjnych stosowanych w bezzałogowych statkach powietrznych
Viktor Ivashko, Oleh Krulikovskyi, Serhii Haliuk, Andrii Samila95-100
-
Optymalizacja metod uczenia maszynowego do deanonimizacji w sieciach społecznościowych
Nurzhigit Smailov, Fatima Uralova, Rashida Kadyrova, Raiymbek Magazov, Akezhan Sabibolda101-104
-
Skuteczne wykrywanie deepfake'ów przy użyciu sieci Long Short-Term Memory do autentykacji wideo
Ravi Kishan Surapaneni, Hameed Syed, Harshitha Kakarala, Venkata Sai Srikar Yaragudipati105-108
-
Wykrywanie trendów regionalnych na podstawie danych z Twittera w czasie rzeczywistym w celu analizy nastrojów, kontekstu, sieci i czasu
Mousumi Hasan, Mujiba Shaima, Quazi Saad ul Mosaher109-116
-
Opracowanie modelu poprawy niezawodności konserwacji zapobiegawczej urządzeń medycznych
Khalid Musallam Alahmadi, Essam Rabea Ibrahim Mahmoud, Fitrian Imaduddin117-124
-
Wyjaśnialna sztuczna inteligencja do wykrywania raka płuc
Vinod Kumar R S, Bushara A R, Abubeker K M, Smitha K M, Abini M A, Jubaira Mammoo, Bijesh Paul125-130
-
Projektowanie i wdrożenie systemu detekcji żył w celu zwiększenia dokładności pobierania krwi
Omar Boutalaka, Achraf Benba, Sara Sandabad131-134
-
Cechy metrologiczne do określania stężenia cholesterolu, trójglicerydów i fosfolipidów w celu wykrywania łuszczycy
Ivan Diskovskyi, Yurii Kachurak, Orysya Syzon, Marta Kolishetska, Bogdan Pinaiev, Oksana Stoliarenko135-138
-
Opracowanie aplikacji mobilnej do badania zaburzeń motoryki małej
Marko Andrushchenko, Karina Selivanova, Oleg Avrunin, Alla Kraievska, Orken Mamyrbayev, Kymbat Momynzhanova139-143
-
Sztuczna inteligencja w edukacji: symulacje oparte na ChatGPT w przygotowaniu nauczycieli
Marina Drushlyak, Tetiana Lukashova, Volodymyr Shamonia, Olena Semenikhina144-152
-
CKSD: kompleksowa baza danych kurdyjsko-sorani
Jihad Anwar Qadir, Samer Kais Jameel, Wshyar Omar Khudhur, Kamaran H. Manguri153-156
Archiwum
-
Tom 16 Nr 2
2026-06-30 27
-
Tom 16 Nr 1
2026-03-30 27
-
Tom 15 Nr 4
2025-12-20 27
-
Tom 15 Nr 3
2025-09-30 24
-
Tom 15 Nr 2
2025-06-27 24
-
Tom 15 Nr 1
2025-03-31 26
-
Tom 14 Nr 4
2024-12-21 25
-
Tom 14 Nr 3
2024-09-30 24
-
Tom 14 Nr 2
2024-06-30 24
-
Tom 14 Nr 1
2024-03-31 23
-
Tom 13 Nr 4
2023-12-20 24
-
Tom 13 Nr 3
2023-09-30 25
-
Tom 13 Nr 2
2023-06-30 14
-
Tom 13 Nr 1
2023-03-31 12
-
Tom 11 Nr 4
2021-12-20 15
-
Tom 11 Nr 3
2021-09-30 10
-
Tom 11 Nr 2
2021-06-30 11
-
Tom 11 Nr 1
2021-03-31 14
##plugins.themes.bootstrap3.article.main##
Authors
Abstrakt
Ogromny wpływ Twittera rozciąga się od spraw krajowych do międzynarodowych, obejmując dziedziny takie jak religia, rozrywka, środowisko, i polityka. W przeciwieństwie do innych platform mediów społecznościowych, Twitter oferuje badaczom otwarte źródło danych do wieloaspektowych badań, motywując nas do zagłębiania się w regionalne tematy trendów, analizowania powiązanych nastrojów, kontekstu, sieci i wzorców czasowych. Wykorzystując techniki uczenia maszynowego w połączeniu z algorytmem VADER, przeprowadziliśmy kompleksową analizę obejmującą tekst, metadane, wskazówki kontekstowe, media, linki i dane historyczne. W tym badaniu przeprowadziliśmy szeroko zakrojoną operację eksploracji Twittera 6 czerwca 2024 r., Koncentrując się na dziesięciu najbardziej rozwiniętych krajach w celu zbadania nastrojów związanych ze zrównoważoną technologią w przemyśle. Spostrzeżenia uzyskane z tych badań mają kluczowe znaczenie dla decydentów, interesariuszy branżowych i badaczy, oferując zniuansowane zrozumienie opinii publicznej na temat zrównoważonych technologii. Nasze ustalenia podkreślają potencjał eksploracji mediów społecznościowych jako potężnego narzędzia do oceny nastrojów społecznych i informowania o podejmowaniu strategicznych decyzji w dziedzinie zrównoważonych praktyk przemysłowych.
Słowa kluczowe:
Bibliografia
[1] Ahmed W. et al.: A social network analysis of Twitter data related to blood clots and vaccines. International Journal of Environmental Research and Public Health 19(8), 2022, 4584.
[2] Ahmed W. et al.: COVID-19 and the 5G conspiracy theory: social network analysis of Twitter data. Journal of medical internet research 22(5), 2020, e19458.
[3] Asur S., Huberman B. A.: Predicting the future with social media. IEEE/WIC/ACM International Conference on Web Intelligence and Intelligent Agent Technology 1, 2010.
[4] Bilbao-Jayo A., Almeida A.: Improving political discourse analysis on twitter with context analysis. IEEE Access 9, 2021, 104846–104863.
[5] Du Y. J. et al.: Extracting and tracking hot topics of micro-blogs based on improved Latent Dirichlet Allocation. Engineering Applications of Artificial Intelligence 87, 2020, 103279.
[6] Elbagir S., Yang J.: Twitter sentiment analysis using natural language toolkit and VADER sentiment. International Multiconference of Engineers and Computer Scientists 122(16), 2019.
[7] Heo S. M., Yang J. Y.: Analysis of Research Topics and Trends on COVID-19 in Korea Using Latent Dirichlet Allocation (LDA). Journal of The Korea Society of Computer and Information 25(12), 2020, 83–91.
[8] Madani A. et al.: Real-time trending topics detection and description from Twitter content. Social Network Analysis and Mining 5(1), 2015, 59.
[9] Mediayani M. et al.: Determining Trending Topics in Twitter with a Data Streaming Method in R. Indonesian Journal of Science and Technology 4(1), 2019, 148–157.
[10] Nabizath S.: An ensemble classification system for twitter sentiment analysis. Procedia Computer Science 132, 2018, 937–946.
[11] Negara E. S. et al.: Topic modelling twitter data with latent Dirichlet allocation method. International Conference on Electrical Engineering and Computer Science (ICECOS). IEEE, 2019.
[12] Nurrahmi H. et al.: Twitter data transformation for network visualization based context analysis. International Conference on Information and Communications Technology (ICOIACT). IEEE, 2018.
[13] Qi Y., Zahratu S.: Sentiment analysis using Twitter data: a comparative application of lexicon-and machine-learning-based approach. Social Network Analysis and Mining 13(1), 2023, 31.
[14] Saif H. et al.: Semantic sentiment analysis of twitter. The Semantic Web–ISWC 2012: 11th International Semantic Web Conference, Boston, MA, USA, November 11-15, 2012, Part I 11. Springer Berlin Heidelberg, 2012.
[15] Song Z., Jianhong C. X.: Spatial and temporal sentiment analysis of twitter data. European handbook of crowdsourced geographic information 205, 2016.
##plugins.themes.bootstrap3.article.details##
Abstract views: 392
Downloads: 366

