Social networks produce an enormous

Social networks produce an enormous quan- tity of data. Facebook consists of over 400 million ac- tive users sharing over 5 billion pieces of information each month. Analyzing this vast quantity of unstructured data presents challenges for software and hardware. We present GraphCT, a Graph Characterization Toolkit for massive graphs representing social network data. On a 128- processor Cray XMT, GraphCT estimates the betweenness centrality of an artificially generated (R-MAT) 537 million vertex, 8.6 billion edge graph in 55 minutes and a real- world graph (Kwak, et al.) with 61.6 million vertices and 1.47 billion edges in 105 minutes. We use GraphCT to analyze public data from Twitter, a microblogging network. Twitter’s message connections appear primarily tree-structured as a news dissemination system. Within the public data, however, are clusters of conversations. Using GraphCT, we can rank actors within these conversations and help analysts focus attention on a much smaller data subset.

ผลลัพธ์ (ไทย) 1:

เครือข่ายทางสังคมผลิต Quan Tity-มหาศาลของข้อมูล facebook ประกอบด้วยกว่า 400 ล้านคน AC-tive ร่วมกว่า 5 พันล้านชิ้นต่อของข้อมูลในแต่ละเดือน การวิเคราะห์นี้ปริมาณมากมายของข้อมูลที่ไม่มีโครงสร้างที่มีการจัดความท้าทายสำหรับซอฟต์แวร์และฮาร์ดแวร์ เรานำเสนอ graphct, เครื่องมือลักษณะกราฟสำหรับกราฟขนาดใหญ่ที่แสดงข้อมูลเครือข่ายสังคม เมื่อ 128 - โปรเซสเซอร์ Cray xmt,graphct ประมาณการ betweenness ศูนย์กลางของการสร้างเทียม (R-เสื่อ) 537,000,000 จุดสุดยอดกราฟ 8600000000 ขอบใน 55 นาทีและกราฟโลกแห่งความจริง (Kwak, et al,.) ด้วย 61,600,000 จุดและ 1470000000 ขอบใน 105 นาที เราใช้ graphct ในการวิเคราะห์ข้อมูลของประชาชนจาก Twitter, เครือข่าย microbloggingTwitter การเชื่อมต่อข้อความปรากฏส่วนใหญ่ต้นไม้โครงสร้างเป็นระบบการเผยแพร่ข่าว ภายในข้อมูลสาธารณะ แต่กลุ่มของบทสนทนา ใช้ graphct เราสามารถจัดอันดับนักแสดงภายในการสนทนาเหล่านี้และช่วยให้นักวิเคราะห์เน้นความสนใจในส่วนย่อยข้อมูลที่มีขนาดเล็กมาก

ผลลัพธ์ (ไทย) 2:

เครือข่ายทางสังคมสร้างความมหาศาลควน tity ข้อมูล เฟสบุ๊คจำนวนกว่า 400 ล้านผู้ใช้ ac tive ร่วมกว่า 5 พันล้านชิ้นของข้อมูลแต่ละเดือน การวิเคราะห์ปริมาณข้อมูลที่ไม่มีโครงสร้างนี้มากมายแสดงความท้าทายสำหรับซอฟต์แวร์และฮาร์ดแวร์ เรานำเสนอ GraphCT เครื่องมือจำแนกกราฟสำหรับกราฟที่แสดงข้อมูลเครือข่ายสังคมขนาดใหญ่ ในการประมวลผล 128 Cray XMT GraphCT ประเมินแห่ง betweenness จุดยอด (R-เสื่อ) 537 ล้านสร้างสมยอม กราฟขอบ 8.6 พันล้านในนาทีที่ 55 และกราฟจริง (Kwak, et al.) กับจุดยอด 61.6 ล้านขอบ 1.47 พันล้านนาที 105 เราใช้ GraphCT เพื่อวิเคราะห์ข้อมูลสาธารณะจาก Twitter เครือข่าย microblogging เชื่อมต่อข้อความของ twitter ปรากฏโครงสร้างเป็นแผนภูมิแบบเป็นระบบเผยแพร่ข่าวสาร อย่างไรก็ตาม มีกลุ่มสนทนาภายในข้อมูลสาธารณะ ใช้ GraphCT เราสามารถจัดลำดับนักแสดงในบทสนทนาและช่วยนักวิเคราะห์เหล่านี้เน้นความสนใจในข้อมูลชุดย่อยขนาดเล็ก

ผลลัพธ์ (ไทย) 3:

เครือข่ายสังคมผลิตขนาดใหญ่,วัด Quan Fu , - tity ของข้อมูล Facebook ประกอบด้วยมากกว่า 400 ล้านบาทผู้ใช้ไฟ AC - ร่วมกันเป็นหมู่คณะ.มากกว่า 5 , 000 ล้านบาทเป็นชิ้นเล็กชิ้นน้อยของข้อมูลแต่ละเดือน การวิเคราะห์ปริมาณขนาดใหญ่แห่งนี้จัดโครงสร้างของข้อมูลนำเสนอความท้าทายสำหรับฮาร์ดแวร์และซอฟต์แวร์ เรามี graphct กราฟแสดงลักษณะ Toolkit สำหรับกราฟขนาดใหญ่แสดงข้อมูลของเครือข่ายทางสังคม บน cray xmt 128 - โปรเซสเซอร์graphct betweenness ประเมินความเป็นศูนย์กลางของกราฟขอบ 8.6 ล้านบาทยอดปลอมสร้างขึ้น( r - Mat ) 537 ล้านบาทใน 55 นาทีและกราฟอย่างแท้จริง - โลก( kwak et al .)พร้อมด้วย 61.6 ล้านบาทยอดและ 1.47 ล้านล้านขอบใน 105 นาที เราใช้ graphct ในการวิเคราะห์ข้อมูลจากเครือข่าย microblogging ที่ Twitterการเชื่อมต่อข้อความของ Twitter จะปรากฏขึ้นเป็นอันดับแรกทรี - แบบจัดโครงสร้างในขณะที่ระบบการเผยแพร่ข่าว ในระบบเสียงประกาศสาธารณะให้ข้อมูลแต่ถึงอย่างไรก็ตามมีกลุ่มของการสนทนา การใช้ graphct เราสามารถจัดอันดับนักแสดงในการสนทนานี้และช่วยให้นักวิเคราะห์ให้ความสำคัญให้ความสนใจมากนักในบางข้อมูลมีขนาดเล็กกว่า