3.2 Time Intervals Global Interval:

3.2 Time Intervals
Global Interval: We compute a single correlation value for the entire input time interval.
Fixed Interval: The input time interval is divided into fixed length sub-intervals with in which correlations are computed.
Sliding Interval: The input time interval is divided into variable length sub-intervals in a way that maximizes correlations. This goal can be achieved by optimizing sizes of correlation intervals, or by using a greedy algorithm that identifies intervals on-the-fly.
We observe, that for very long time intervals, global average sentiment is likely to be close to zero, so global average and zero average effectively become the same. The same is true for local average, which becomes closer to the global one with increased interval sizes. We will use the above variations of the sentiment correlation in our algorithms, which we describe in the following sections.

ผลลัพธ์ (ไทย) 1:

3.2 ช่วงเวลา ช่วงเวลาโลก: เราคำนวณค่าสหสัมพันธ์เดียวสำหรับช่วงเวลาป้อนข้อมูลทั้งหมด ช่วงเวลาคงที่: ป้อนเวลาช่วงแบ่งเป็นช่วงย่อยยาว fixed กับความสัมพันธ์จะคำนวณ เลื่อนช่วง: ช่วงเวลาป้อนข้อมูลจะแบ่งออกเป็นช่วงย่อยความยาวตัวแปรในลักษณะที่ช่วยเพิ่มความสัมพันธ์ เป้าหมายนี้สามารถทำได้ โดยปรับขนาดของสหสัมพันธ์ช่วง หรือใช้อัลกอริธึมแบบโลภนั้นโดยกว้างช่วงบน-the-fly เราสังเกต ว่า สำหรับช่วงเวลาที่นานมาก ความเชื่อมั่นเฉลี่ยทั่วโลกมีแนวโน้มจะใกล้ศูนย์ เฉลี่ยทั่วโลกและค่าเฉลี่ยเป็นศูนย์ได้อย่างมีประสิทธิภาพเป็นเหมือนกัน เดียวกันเป็นจริงสำหรับค่าเฉลี่ยในท้องถิ่น ซึ่งกลายเป็นใกล้ชิดกับคนทั่วโลกมีขนาดเพิ่มขึ้นช่วง เราจะใช้รูปแบบดังกล่าวข้างต้นของความสัมพันธ์ความเชื่อมั่นในวิธีของเรา ซึ่งเราอธิบายในส่วนต่อไป

ผลลัพธ์ (ไทย) 2:

3.2 เวลาช่วงเวลา
ทั่วโลกช่วงเวลา: เราคำนวณค่าเดียวความสัมพันธ์สำหรับช่วงเวลาการป้อนข้อมูลทั้งหมด.
คงที่ช่วงเวลา: ช่วงเวลาการป้อนข้อมูลแบ่งออกเป็นระยะเวลาคงที่ย่อยช่วงเวลากับที่ความสัมพันธ์จะคำนวณ.
เลื่อนช่วงเวลา: ช่วงเวลาการป้อนข้อมูลจะถูกแบ่งออก ลงในตัวแปรความยาวย่อยช่วงเวลาในทางที่เพิ่มความสัมพันธ์ เป้าหมายนี้สามารถทำได้โดยการเพิ่มประสิทธิภาพขนาดของช่วงเวลาที่ความสัมพันธ์หรือโดยใช้อัลกอริทึมโลภที่ระบุช่วงเวลา Fi ES บนล้ำหน้าด้วย Y FL.
เราสังเกตว่าสำหรับช่วงเวลาที่นานมากความเชื่อมั่นเฉลี่ยทั่วโลกมีแนวโน้มที่จะใกล้เคียงกับศูนย์ทั่วโลกเพื่อ เฉลี่ยและศูนย์เฉลี่ยอย่างมีประสิทธิภาพกลายเดียวกัน เดียวกันเป็นจริงสำหรับค่าเฉลี่ยในท้องถิ่นซึ่งจะกลายเป็นใกล้ชิดกับคนทั่วโลกที่มีขนาดเพิ่มขึ้นช่วงเวลา เราจะใช้รูปแบบข้างต้นของความสัมพันธ์ความเชื่อมั่นในขั้นตอนวิธีของเราซึ่งเราจะอธิบายในส่วนต่อไป