Geographyand social relationships a

Geography
and social relationships are inextricably
intertwined. As people spend more time online,
data regarding these two dimensions are becoming
increasingly precise, allowing building reliable
models to describe their interaction. In
[11], the study of user-contributed address and
association data from Facebook shows that the
addition of social information produces
improvement in accuracy of predicting physical
location. First, friendship as a function of distance
and rank is analyzed. It is found that at
medium to long-range distances, the probability
of friendship is roughly proportional to the
inverse of distance. However, at shorter ranges,
distance does not influence much. Then the
maximum likelihood approach is presented to
predict the physical location of a user, given the
known location of her friends. This method predicts
the physical location of 69.1 percent of the
users with 16 or more located friends to within
25 mi, compared to only 57.2 percent using IPbased
methods.

ผลลัพธ์ (ไทย) 1:

ภูมิศาสตร์และความสัมพันธ์ทางสังคมที่มีความสัมพันธุ์
พัน เป็นคนใช้เวลาออนไลน์มากขึ้น
ข้อมูลเกี่ยวกับสองคนนี้จะกลายเป็นมิติที่มีความแม่นยำมากขึ้น
ช่วยให้อาคารมีความน่าเชื่อถือ
รูปแบบในการอธิบายถึงการทำงานร่วมกันของพวกเขา ใน
[11] การศึกษาของที่อยู่ที่ผู้ใช้มีส่วนร่วมและสมาคม
ข้อมูลจาก Facebook แสดงให้เห็นว่า
นอกจากนี้ข้อมูลทางสังคมก่อให้
การปรับปรุงในความถูกต้องของการพยากรณ์ทางกายภาพ
สถาน ครั้งแรกที่มิตรภาพเป็นหน้าที่ของระยะ
และอันดับการวิเคราะห์ พบว่าที่
ปานกลางถึงระยะยาวช่วงน่าจะเป็น
มิตรภาพคือประมาณสัดส่วน
ผกผันของระยะทาง แต่ในช่วงสั้น
ระยะทางไม่มากมีอิทธิพลต่อ แล้ว
วิธีการความเป็นไปได้สูงสุดที่จะนำเสนอให้
ทำนายตำแหน่งทางกายภาพของผู้ใช้ที่ได้รับตำแหน่งที่
รู้จักเพื่อนของเธอ วิธีการนี​​้ทำนาย
ตำแหน่งทางกายภาพของร้อยละ 69.1 ของผู้ใช้ที่มี
16 หรือมากกว่าเพื่อนตั้งอยู่ภายใน
25 ไมล์เท่านั้นเมื่อเทียบกับร้อยละ 57.2 ใช้ ipbased
วิธีการ

ผลลัพธ์ (ไทย) 2:

ภูมิศาสตร์
และมีความสัมพันธ์ทางสังคม inextricably
เจอกัน เป็นคนใช้เวลาออนไลน์,
กลายเป็นข้อมูลเกี่ยวกับขนาด
แม่นยำมากขึ้น ช่วยให้อาคารมีความน่าเชื่อถือ
แบบจำลองเพื่ออธิบายการโต้ตอบ ใน
[11], การศึกษาส่วนผู้ใช้ที่อยู่ และ
สมาคมข้อมูลจาก Facebook แสดงที่
เพิ่มข้อมูลสังคมสร้าง
ปรับปรุงในความถูกต้องของการคาดการณ์ทางกายภาพ
ตำแหน่ง มิตรภาพแรก เป็นฟังก์ชันของระยะทาง
และวิเคราะห์ลำดับการ มันอยู่ที่
ปานกลางถึงระยะยาวระยะทาง ความน่าเป็น
ของมิตรภาพเป็นสัดส่วนประมาณการการ
ผกผันของระยะทาง อย่างไรก็ตาม ในช่วงสั้น,
ระยะไม่มีผลมาก นั้น
วิธีความเป็นไปได้สูงสุดแสดง
ทำนายตำแหน่งของผู้ใช้ ให้การ
รู้จักตำแหน่งของเพื่อนของเธอ วิธีนี้ทำนาย
ตำแหน่งร้อยละ 69.1 ของ
ผู้กับ 16 หรือขึ้นอยู่กับภายใน
25 mi เทียบเท่า 57.2 เปอร์เซ็นต์ใช้ IPbased
วิธีการ

ผลลัพธ์ (ไทย) 3:

ข้อมูลด้าน ภูมิศาสตร์ และความสัมพันธ์

ทางสังคมมีพัลวันกัน ในขณะที่ผู้คนใช้ช่วงเวลาที่มากกว่าแบบออนไลน์
ข้อมูลเกี่ยวกับแบบสองมิติเหล่านี้มีความแม่นยำมากขึ้น
ซึ่งจะช่วยทำให้อาคารและเชื่อถือได้รุ่น
ซึ่งจะช่วยในการอธิบายถึงการโต้ตอบของพวกเขา ใน
[ 11 ]การศึกษาข้อมูลที่ผู้ใช้มีส่วนร่วมแอดเดรสและ
ซึ่งจะช่วยการเชื่อมโยงจาก Facebook
ซึ่งจะช่วยแสดงให้เห็นว่าการเพิ่มข้อมูลทางสังคมที่จะผลิต
การปรับปรุงในความแม่นยำของการคาดการณ์ทาง กายภาพ
ที่ตั้ง. มิตรภาพ ครั้งแรกเป็นของระยะทาง
ซึ่งจะช่วยวิเคราะห์และจัดอันดับคือ พบว่าที่
มีขนาดกลางไปจนถึงระยะยาวช่วงโอกาสที่
ของ มิตรภาพ เป็นสัดส่วนเพื่อ
ซึ่งจะช่วยประมาณสีตัดกันที่มีระยะทาง แต่ถึงอย่างไรก็ตามในช่วงสั้น
ระยะทางไม่ได้มีอิทธิพลมาก จากนั้นจึงใช้วิธีการ
สูงสุดความเป็นไปได้จะถูกนำเสนอในการตอบแทน
ทำนายว่าตำแหน่งทาง กายภาพ ของผู้ใช้ที่ได้รับตำแหน่ง
ที่มีชื่อเสียงของเพื่อนของเธอ วิธีนี้คาดว่าตำแหน่งทาง กายภาพ
ของความยาวลำตัว 69.1% ของ
ซึ่งจะช่วยผู้ใช้ที่มี 16 หรือมากกว่าเพื่อนตั้งอยู่ ภายใน
25 ไมล์เท่านั้นเมื่อเทียบกับร้อยละ 57.2 โดยใช้วิธีใดวิธีหนึ่ง ipbased