deeply understand an OSN’s user beh

deeply understand an OSN’s user behavior.
Much of the existing work tries to investigate an
OSN in a relatively static way, by collecting or
studying a static snapshot dataset. However, the
growth of OSNs is extremely rapid. Every day
new users join OSNs, while existing users make
new friends or end social connections, join or
leave groups, and so on. Considering this dynamic
can extract more inherent information than
studying static data, not only revealing the situation
at a certain time but also predicting some
future activities. Also, studying different time
intervals and time granularities would lead to
more interesting findings. There are several
challenges for performing dynamic analysis. One
is fast data collection and timely processing,
where an unbiased and efficient graph sampling
algorithm can play an important role. Also, collecting
dynamic data raises challenges for information
storage; therefore, the temporal and
spatial dependence between different data items
can be utilized for better compression.

ผลลัพธ์ (ไทย) 1:

ลึกเข้าใจพฤติกรรมของผู้ใช้ของ OSN
. มากของการทำงานที่มีอยู่พยายามที่จะตรวจสอบ
OSN ในวิธีที่ค่อนข้างคงที่โดยการจัดเก็บหรือการศึกษา
ชุดภาพรวมคงที่ แต่การเจริญเติบโตของ
OSNs เป็นอย่างรวดเร็วมาก ทุกวันผู้ใช้ใหม่
เข้าร่วม OSNs ขณะที่ผู้ใช้ที่มีอยู่ให้
เพื่อนใหม่หรือสิ้นสุดการเชื่อมต่อสังคมเข้าร่วมหรือ
กลุ่มลาและอื่น ๆ พิจารณาแบบไดนามิกนี้
สามารถดึงข้อมูลโดยธรรมชาติมากกว่า
ศึกษาข้อมูลคงไม่เพียง แต่แสดงให้เห็นสถานการณ์
ในเวลาที่แน่นอน แต่ยังทำนายบาง
กิจกรรมในอนาคต นอกจากนี้ยังมีการศึกษาที่แตกต่างกันเวลา
ช่วงเวลาและ granularities เวลาจะนำไปสู่​​การค้นพบ
น่าสนใจมากขึ้น มีหลาย
ความท้าทายสำหรับการดำเนินการวิเคราะห์แบบไดนามิก
หนึ่งคือการเก็บรวบรวมข้อมูลที่รวดเร็วและการประมวลผลทันเวลา
ที่สุ่มตัวอย่าง
ขั้นตอนวิธีกราฟที่เป็นกลางและมีประสิทธิภาพสามารถมีบทบาทที่สำคัญ นอกจากนี้ยังมีการเก็บรวบรวมข้อมูลแบบไดนามิก
ยกความท้าทายสำหรับการจัดเก็บข้อมูล
ดังนั้นการพึ่งพาอาศัยเวลาและอวกาศ
ระหว่างรายการข้อมูลที่แตกต่างกัน
สามารถนำไปใช้สำหรับการบีบอัดที่ดีขึ้น

ผลลัพธ์ (ไทย) 2:

ลึกเข้าใจพฤติกรรมผู้ใช้การ OSN.
มากของงานที่มีอยู่พยายามตรวจสอบการ
OSN ในลักษณะค่อนข้างคง โดยการรวบรวม หรือ
เรียนการชุดข้อมูล snapshot ของคง อย่างไรก็ตาม การ
OSNs เจริญเติบโตได้อย่างรวดเร็วมากขึ้น ทุกวัน
ผู้ใช้ใหม่เข้าร่วม OSNs ขณะที่ผู้ทำ
เพื่อนใหม่หรือการเชื่อมต่อสังคมจบ รวม หรือ
ออกจากกลุ่ม และอื่น ๆ พิจารณาแบบนี้
สามารถดึงข้อมูลโดยธรรมชาติมากขึ้นกว่า
ศึกษาข้อมูลแบบคง ไม่เปิดเผยสถานการณ์
ที่เวลาหนึ่งแต่ยัง คาดการณ์บาง
กิจกรรมในอนาคตได้ ยัง เรียนเวลาอื่น
ช่วงและ granularities เวลาจะนำไปสู่
ผลการวิจัยที่น่าสนใจมากขึ้น มีหลาย
ความท้าทายสำหรับการทำการวิเคราะห์แบบไดนามิก หนึ่ง
รวบรวมข้อมูลอย่างรวดเร็วและทันเวลาการประมวลผล,
การสุ่มตัวอย่างกราฟคน และมีประสิทธิภาพ
อัลกอริทึมสามารถมีบทบาทสำคัญ ยัง รวบรวม
ข้อมูลแบบไดนามิกเพิ่มความท้าทายสำหรับข้อมูล
เก็บ ดังนั้น ขมับ และ
ปริภูมิการพึ่งพาระหว่างรายการข้อมูลต่าง ๆ
สามารถใช้สำหรับการบีบอัดที่ดีขึ้นได้

ผลลัพธ์ (ไทย) 3:

ทำความเข้าใจพฤติกรรมของผู้ใช้อย่างลึกซึ้งของ osn ที่.
มากในการทำงานที่มีอยู่จะพยายามสืบสวน
ซึ่งจะช่วย osn ในทางไฟฟ้าสถิตเป็นที่ที่การเก็บหรือ
ซึ่งจะช่วยการศึกษา dataset สแนปช็อตที่กำหนดค่าไว้แน่นอน. แต่ถึงอย่างไรก็ตาม
ซึ่งจะช่วยให้การเติบโตของ osns เป็นอย่างรวดเร็วเป็นอย่างมาก ทุกวัน
ซึ่งจะช่วยผู้ใช้ใหม่เข้าร่วม osns ในขณะที่ผู้ใช้ที่มีอยู่ทำให้
เพื่อนใหม่หรือการเชื่อมต่อปลายทางสังคมเข้าร่วมหรือ
ซึ่งจะช่วยทำให้กลุ่มและใน การพิจารณาแบบไดนามิกนี้
ตามมาตรฐานสามารถดึงข้อมูลเฉพาะมากกว่า
ซึ่งจะช่วยการศึกษาข้อมูลแบบสแตติกไม่ได้เท่านั้นซึ่งจะเผยให้เห็นสถานการณ์ที่
ตามที่กำหนดและในเวลาที่กำหนดแต่ยังคาดการณ์ว่ากิจกรรม
ซึ่งจะช่วยในอนาคต นอกจากนั้นยัง
ซึ่งจะช่วยการศึกษาช่วงเวลาที่แตกต่างในแต่ละช่วงเวลาและ granularities จะนำไปสู่การค้นพบ
น่าสนใจมากยิ่งขึ้น มีหลาย
ความท้าทายสำหรับการวิเคราะห์แบบไดนามิก หนึ่งคอลเลคชั่น
มีการประมวลผลข้อมูลได้อย่างรวดเร็วและทันเวลา
ซึ่งความเป็นกลางและมี ประสิทธิภาพ กราฟการสุ่มตัวอย่าง
อัลกอริธึมที่สามารถเข้ามามีบทบาทสำคัญได้ นอกจากนั้นยังจัดเก็บข้อมูลแบบไดนามิก
ซึ่งจะช่วยยกระดับความท้าทายสำหรับข้อมูล

ซึ่งจะช่วยจัดเก็บดังนั้นจึงมีการพึ่งพาและ Temporal Code ระหว่างรายการข้อมูลแตกต่างไป
สามารถใช้ประโยชน์สำหรับการบีบอัดได้ดียิ่งขึ้น