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
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
ของกิจกรรมที่แตกต่างกันและไบต์การจราจรที่มีการวิเคราะห์
น่าสนใจจะพบว่าการโต้ตอบแฝงเงียบหรือ
เช่นเรียกดูบัญชี
มากกว่า 90 เปอร์เซ็นต์ของกิจกรรมของผู้ใช้ ยัง
พวกเขาแสดงให้เห็นว่าผู้ใช้จะมีกิจกรรมที่แตกต่างกันใน
OSNs ที่แตกต่างกัน พวกเขายังลักษณะของวิธีที่ผู้ใช้
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
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 กลุ่มและความนิยมที่
ซึ่งจะช่วยมีกิจกรรมที่แตกต่างและไบต์การจราจรที่มี
ซึ่งจะช่วยวิเคราะห์ ที่น่าสนใจพบว่าการติดต่อไม่มีเสียงหรือ
แฝงเช่นการเรียกดูเว็บแอคเคาท์สำหรับ
มากกว่าร้อยละ 90 ของการทำงานของผู้ใช้ นอกจากนั้นยัง
พวกเขาแสดงให้เห็นว่าผู้ใช้มีกิจกรรมที่แตกต่างกันใน
osns แตกต่างกัน นอกจากนี้ยังกำหนดลักษณะการขนส่งมวลชน
ซึ่งจะช่วยผู้ใช้จากกิจกรรมหนึ่งไปยังอีกเครื่องโดยใช้ห่วงโซ่ markov
ซึ่งจะช่วยเป็นครั้งแรกที่การสั่งซื้อ