Data Harvesting and Event Detection from Czech Twitter

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F49777513%3A23520%2F18%3A43952961" target="_blank" >RIV/49777513:23520/18:43952961 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1007/978-3-319-93581-2_6" target="_blank" >http://dx.doi.org/10.1007/978-3-319-93581-2_6</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-319-93581-2_6" target="_blank" >10.1007/978-3-319-93581-2_6</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Data Harvesting and Event Detection from Czech Twitter

Popis výsledku v původním jazyce

Twitter belongs to the fastest-growing microblogging and online social media. Automatically monitoring and analyzing this rich and continuous data stream can yield valuable information, which enable users and organizations to discover important knowledge. This paper proposes a method for harvesting of important messages from Czech Twitter with high download speed and an approach to discover automatically the events in such data. We identified important Twitter users and then we use these lists to discover potentially interesting tweets to download. The tweets are then clustered in order to discover the events. Final decision is based on the thresholding. We show that the harvesting method downloads about 6 times more data than the other approaches. We further report promising results of the event detection approach on a small corpus of the Czech Tweets.

Název v anglickém jazyce

Data Harvesting and Event Detection from Czech Twitter

Popis výsledku anglicky

Twitter belongs to the fastest-growing microblogging and online social media. Automatically monitoring and analyzing this rich and continuous data stream can yield valuable information, which enable users and organizations to discover important knowledge. This paper proposes a method for harvesting of important messages from Czech Twitter with high download speed and an approach to discover automatically the events in such data. We identified important Twitter users and then we use these lists to discover potentially interesting tweets to download. The tweets are then clustered in order to discover the events. Final decision is based on the thresholding. We show that the harvesting method downloads about 6 times more data than the other approaches. We further report promising results of the event detection approach on a small corpus of the Czech Tweets.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/LO1506" target="_blank" >LO1506: Podpora udržitelnosti centra NTIS - Nové technologie pro informační společnost</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Agents and Artificial Intelligence

ISBN

978-3-319-93580-5

ISSN

0302-9743

e-ISSN

1611-3349

Počet stran výsledku

14

Strana od-do

102-115

Název nakladatele

SPRINGER

Místo vydání

Cham

Místo konání akce

Porto, Portugal

Datum konání akce

24. 2. 2017

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—