Besides crawling, peoplecan also st

Besides crawling, people
can also study OSNs by monitoring the corresponding
network traffic. Benevenuto et al. [6]
analyze the user behavior of OSNs based on
detailed clickstream data obtained from a social
network aggregator, as illustrated in Fig. 1.
In [6], the clickstream data was collected over
12 days with HTTP sessions of 37,024 users who
accessed popular social networks. This article
defines and analyzes the OSN session characteristics:
• The frequency of accessing OSNs
• Total time spent on OSNs
• Session duration of OSNs
Through the clickstream data, user activities are
also identified. Forty-one types of user activities
are classified into nine groups, and the popularity
of different activities and the traffic bytes are
Figure 1. Data collection through a social network aggregator.
3. OSN activity
1. User login
2. Authentication
to all sites
Social
network
aggregator
Data collection
Data collection through social network aggregator
A fast increase in the
number of users
makes the size of
social graphs larger
and larger, which
presents researchers
with a big challenge
when performing
any analysis with limited
computation
and storage capability.
Graph sampling
techniques are used
to get a smaller but
representative snapshot
of social graphs.
IEEE Communications Magazine • September 2013 147
analyzed. Interestingly, it is found that silent or
latent interactions such as browsing account for
more than 90 percent of user activities. Also,
they show how users have different activities in
different OSNs. They also characterize how
users transit from one activity to another using a
first-order Markov chain.

ผลลัพธ์ (ไทย) 1:

นอกเหนือจากการรวบรวมข้อมูลคน
ยังสามารถศึกษา OSNs โดยการตรวจสอบที่เกี่ยวข้อง
จราจรในเครือข่าย benevenuto ตอัล [6]
วิเคราะห์พฤติกรรมของผู้ใช้ของ OSNs อยู่บนพื้นฐานของข้อมูลการคลิ้ก
รายละเอียดที่ได้รับจากเครือข่ายทางสังคม
รวบรวมดังแสดงในภาพ 1. ใน
[6], ข้อมูลการคลิ้กถูกเก็บรวบรวมในช่วง
12 วันกับช่วง http ผู้ใช้ที่ 37,024
เข้าถึงเครือข่ายสังคมยอดนิยม บทความนี้
กำหนดและวิเคราะห์ลักษณะ OSN เซสชั่น:
•ความถี่ของการเข้าถึง OSNs
•เวลาทั้งหมดที่ใช้ในการ OSNs
•ระยะเวลาที่เซสชั่นของ OSNs
ผ่านข้อมูลการคลิ้กที่กิจกรรมของผู้ใช้เป็น
ยังระบุ สี่สิบเอ็ดประเภทกิจกรรมของผู้ใช้
จะจำแนกออกเป็นเก้ากลุ่มและความนิยม
ของกิจกรรมที่แตกต่างกันและไบต์ที่มีการจราจร
รูปที่ 1การเก็บข้อมูลผ่านเครือข่ายสังคมรวบรวม
3. กิจกรรม OSN
1 เข้าสู่ระบบผู้
2
ตรวจสอบกับเว็บไซต์ทั้งหมด

สังคมเครือข่าย

รวบรวมเก็บรวบรวมข้อมูล
เก็บข้อมูลผ่านเครือข่ายสังคมรวบรวม
เพิ่มขึ้นอย่างรวดเร็วใน
จำนวนผู้ใช้ที่ทำให้

ขนาดของกราฟทางสังคมขนาดใหญ่และขนาดใหญ่
ซึ่งนักวิจัยที่มีการจัด

ด้วย ความท้าทายใหญ่

เมื่อดำเนินการวิเคราะห์ใด ๆ กับ จำกัด

การคำนวณและความสามารถในการจัดเก็บ.

ตัวอย่างกราฟมีการใช้เทคนิคที่จะได้รับ

ขนาดเล็ก แต่ตัวแทน
ภาพรวมของกราฟสังคม.
IEEE นิตยสารสื่อสาร• september 2013 147
วิเคราะห์ ที่น่าสนใจก็จะพบว่าการโต้ตอบแฝงเงียบหรือ
เช่นเรียกดูบัญชี
มากกว่า 90 เปอร์เซ็นต์ของกิจกรรมของผู้ใช้ ยัง
พวกเขาแสดงให้เห็นว่าผู้ใช้จะมีกิจกรรมที่แตกต่างกันใน
OSNs ที่แตกต่างกันพวกเขายังลักษณะของวิธีที่ผู้ใช้
ขนส่งจากกิจกรรมหนึ่งไปยังอีกโดยใช้โซ่มาร์คอฟ
ลำดับแรก

ผลลัพธ์ (ไทย) 2:

นอกจากการตระเวน คน
การศึกษา OSNs โดยการตรวจสอบให้สอดคล้องกับ
เครือข่ายรับส่งข้อมูลได้ Benevenuto et al. [6]
วิเคราะห์พฤติกรรมผู้ใช้ของ OSNs ตาม
clickstream ข้อมูลที่ได้รับจากสังคมมีรายละเอียด
รวบรวม เครือข่ายดังที่แสดงใน Fig. 1.
[6], clickstream ข้อมูลถูกรวบรวมผ่าน
12 วันกับเซสชัน HTTP 37,024 ผู้ที่
เข้าถึงเครือข่ายสังคมยอดนิยม บทความนี้
กำหนด และวิเคราะห์ลักษณะงาน OSN:
•ความถี่ในการเข้าถึง OSNs
•รวมเวลาที่ใช้ใน OSNs
•ระยะเวลาของเซสชันของ OSNs
ผ่านข้อมูล clickstream มีผู้ใช้กิจกรรม
ยัง ระบุ สี่สิบชนิดของกิจกรรมผู้ใช้
จะแบ่งเป็น 9 กลุ่ม และนิยม
กิจกรรมต่าง ๆ และการจราจร เป็นไบต์
1 รูป รวบรวมข้อมูลทางสังคมเป็นเครือข่ายรวบรวม
3 กิจกรรม OSN
1 ผู้ใช้ล็อกอิน
2 รับรองความถูกต้อง
กับไซต์ทั้งหมด
สังคม
เครือข่าย
รวบรวม
เก็บรวบรวมข้อมูล
เก็บรวบรวมข้อมูล โดยรวบรวมเครือข่ายสังคม
เพิ่มขึ้นอย่างรวดเร็วใน
หมายเลขของผู้ใช้
ทำให้ขนาดของ
กราฟใหญ่สังคม
ขนาด ซึ่ง
แสดงนักวิจัย
กับความท้าทายที่ใหญ่
การ
มีจำกัดการวิเคราะห์ใด ๆ
คำนวณ
และความสามารถในการจัดเก็บการ
สุ่มตัวอย่างกราฟ
ใช้เทคนิค
ไปแต่เล็ก
ช็อตพนักงาน
ของสังคมกราฟ
นิตยสารสื่อสาร IEEE • 2013 กันยายน 147
วิเคราะห์ เป็นเรื่องน่าสนใจ มันอยู่ที่สภาพ หรือ
โต้ตอบแฝงอยู่เช่นการเรียกดูบัญชีสำหรับ
มากกว่า 90 เปอร์เซ็นต์ของผู้ใช้ ยัง,
จะแสดงวิธีการที่ผู้ใช้มีกิจกรรมต่าง ๆ ใน
OSNs แตกต่างกัน พวกเขายังกำหนดลักษณะวิธี
ผู้ขนจากกิจกรรมหนึ่งไปใช้อีกแบบ
โซ่ Markov สั่งแรก

ผลลัพธ์ (ไทย) 3:

นอกจากนี้ยังสามารถคลานคน
ซึ่งจะช่วยการศึกษา osns โดยการติดตามการจราจรที่เกี่ยวข้อง
เครือข่าย benevenuto et al . [ 6 ]
วิเคราะห์พฤติกรรมของผู้ใช้ที่ของ osns โดยขึ้นอยู่กับข้อมูล
รายละเอียด clickstream ได้รับจาก aggregator สังคม
เครือข่ายตามที่ได้แสดงไว้ในรูปที่ 1 .
ใน[ 6 ], clickstream ข้อมูลที่ถูกเก็บรวบรวมผ่าน
12 วันพร้อมเซสชัน HTTP ใน 37,024
ซึ่งจะช่วยผู้ใช้ที่สามารถเข้าถึงเครือข่ายทางสังคมได้รับความนิยม ข้อนี้
ตามมาตรฐานกำหนดและการวิเคราะห์ลักษณะของเซสชัน osn :
•ความถี่ของ osns เข้าถึง
•เวลารวมใช้เวลาในช่วงระยะเวลา
•เซสชัน osns ของ osns
clickstream ผ่านข้อมูลที่มีการระบุว่าการทำงานของผู้ใช้
ยัง สี่สิบ - หนึ่ง ประเภท ของการทำงานของผู้ใช้
ซึ่งจะช่วยแบ่งเป็น 9 กลุ่มและได้รับความนิยมของ
ซึ่งจะช่วยกิจกรรมที่แตกต่างกันและไบต์การจราจรที่มี
รูปที่ 1คอลเลคชั่น aggregator ข้อมูลผ่านเครือข่ายสังคมที่. N 3 osn กิจกรรม
1 . ผู้ใช้ที่ล็อกอิน
2 . การตรวจสอบความถูกต้อง
ซึ่งจะช่วยให้ทุกสถานที่

เครือข่ายทางสังคม aggregator


ซึ่งจะช่วยเก็บรวบรวมข้อมูลเก็บรวบรวมข้อมูลผ่านเครือข่ายสังคม aggregator
ที่เพิ่มขึ้นอย่างรวดเร็วใน

หมายเลขของผู้ใช้ทำให้ขนาดของ

ทางสังคมกราฟขนาดใหญ่และมีขนาดใหญ่ซึ่ง

ซึ่งจะช่วยทำให้นักวิจัยมีขนาดใหญ่ความท้าทาย

ซึ่งจะช่วยในการมีการวิเคราะห์ด้วยจำกัด(มหาชน)
ซึ่งจะช่วยคำนวณ
เทคนิคการผลิตและการสุ่มตัวอย่าง
ซึ่งจะช่วยเพิ่มขีดความสามารถในการจัดเก็บข้อมูล.

กราฟมีการใช้ในการได้รับน้อยลงแต่

สแนปช็อตตัวแทนของกราฟสังคม.
IEEE การสื่อสารนิตยสาร•เดือนกันยายนปี 2013 , 147
ที่วิเคราะห์ เป็นสิ่งที่น่าสนใจพบว่าการติดต่อสื่อสารไม่มีเสียงหรือ
แฝงเช่นการเรียกดูเว็บแอคเคาท์สำหรับ
มากกว่าร้อยละ 90 ของการทำงานของผู้ใช้ นอกจากนั้นยัง
พวกเขาแสดงให้เห็นว่าผู้ใช้มีกิจกรรมที่แตกต่างกันใน
osns แตกต่างกันนอกจากนี้ยังกำหนดลักษณะการขนส่งมวลชน
ซึ่งจะช่วยผู้ใช้จากกิจกรรมหนึ่งไปยังอีกเครื่องโดยใช้ห่วงโซ่ markov
ซึ่งจะช่วยเป็นครั้งแรกที่การสั่งซื้อ