Besides crawling, people can also s

Besides crawling, people can also study Online Social Networks by monitoring the corresponding network traffic. Benevenuto et al. [6] analyze the user behavior of Online Social Networks 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 Online Social Networks session characteristics:
• The frequency of accessing Online Social Networks
• Total time spent on Online Social Networks
• Session duration of Online Social Networks
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 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 Online Social Networks. They also characterize how users transit from one activity to another using a first-order Markov chain.

ผลลัพธ์ (ไทย) 1:

นอกจากการตระเวน คนยังสามารถศึกษาเครือข่ายสังคมออนไลน์ โดยการตรวจสอบเครือข่ายที่สอดคล้องกัน Benevenuto et al. [6] วิเคราะห์พฤติกรรมผู้ใช้เครือข่ายสังคมออนไลน์ที่อิง clickstream รายละเอียดข้อมูลที่ได้จากการรวบรวมเครือข่ายสังคม ดังที่แสดงในรูปที่ 1 ใน [6], clickstream ข้อมูลถูกรวบรวมกว่า 12 วันกับเซสชัน HTTP 37,024 ผู้เข้าถึงเครือข่ายสังคมยอดนิยม บทความนี้กำหนด และวิเคราะห์เครือข่ายสังคมออนไลน์ลักษณะเซสชัน:•ความถี่ในการเข้าถึงเครือข่ายสังคมออนไลน์•รวมเวลาที่ใช้ในเครือข่ายสังคมออนไลน์•ระยะเวลาเซสชันของเครือข่ายสังคมออนไลน์ผ่านข้อมูล clickstream กิจกรรมของผู้ใช้ยังสามารถระบุ หนึ่งสี่สิบชนิดของกิจกรรมของผู้ใช้นั้นแบ่งออกเป็น 9 กลุ่ม และความนิยมของกิจกรรมต่าง ๆ และจราจรไบต์จะถูกวิเคราะห์ น่าสนใจ มันถูกพบที่โต้ตอบเงียบ หรือแฝงอยู่เช่นการเรียกดูบัญชีมากกว่าร้อยละ 90 ของกิจกรรมของผู้ใช้ นอกจากนี้ พวกเขาแสดงวิธีการที่ผู้ใช้มีกิจกรรมต่าง ๆ ในเครือข่ายสังคมออนไลน์ต่าง ๆ พวกเขายังลักษณะวิธีผู้ใช้ผ่านจากกิจกรรมหนึ่งยังใช้ลูกโซ่มาร์คอฟสั่งครั้งแรก

ผลลัพธ์ (ไทย) 2:

นอกจากนี้ยังรวบรวมข้อมูลคนยังสามารถศึกษาเครือข่ายสังคมออนไลน์โดยการตรวจสอบเครือข่ายการจราจรที่สอดคล้องกัน Benevenuto et al, [6] วิเคราะห์พฤติกรรมของผู้ใช้เครือข่ายสังคมออนไลน์บนพื้นฐานของข้อมูลรายละเอียดเส้นทางที่ได้รับจากผู้รวบรวมเครือข่ายสังคมดังแสดงในรูปที่ 1. ใน [6] ข้อมูลเส้นทางที่ถูกเก็บรวบรวมกว่า 12 วันที่มีการประชุมของ HTTP 37,024 ผู้ใช้ที่เข้าถึงเครือข่ายสังคมยอดนิยม บทความนี้จะกำหนดและวิเคราะห์เครือข่ายสังคมออนไลน์ลักษณะเซสชั่น:
•ความถี่ในการเข้าถึงเครือข่ายสังคมออนไลน์
•รวมเวลาที่อยู่บนเครือข่ายสังคมออนไลน์
•ระยะเวลาเซสชันของเครือข่ายสังคมออนไลน์
ผ่านข้อมูลเส้นทางกิจกรรมผู้ใช้ยังจะมีการระบุ สี่สิบเอ็ดประเภทกิจกรรมของผู้ใช้จะแบ่งออกเป็นเก้ากลุ่มและความนิยมของกิจกรรมที่แตกต่างกันและไบต์จราจรมีการวิเคราะห์ ที่น่าสนใจก็พบว่ามีปฏิสัมพันธ์เงียบหรือแฝงเช่นการเรียกดูบัญชีเกินกว่าร้อยละ 90 ของกิจกรรมของผู้ใช้ นอกจากนี้พวกเขาแสดงให้เห็นว่าผู้ใช้มีกิจกรรมที่แตกต่างกันในที่แตกต่างกันเครือข่ายสังคมออนไลน์ พวกเขายังลักษณะวิธีการขนส่งผู้ใช้จากกิจกรรมหนึ่งไปยังอีกที่ใช้สั่งซื้อครั้งแรกห่วงโซ่มาร์คอฟ