Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс: http://hdl.handle.net/11701/32371
Полная запись метаданных
Поле DCЗначениеЯзык
dc.contributor.advisorУтешев Алексей Юрьевичru_RU
dc.contributor.advisorUtesev Aleksej Urevicen_GB
dc.contributor.authorСошникова Мария Дмитриевнаru_RU
dc.contributor.authorSosnikova Maria Dmitrievnaen_GB
dc.contributor.editorБлеканов Иван Станиславовичru_RU
dc.contributor.editorBlekanov Ivan Stanislavovicen_GB
dc.date.accessioned2021-08-07T09:11:27Z-
dc.date.available2021-08-07T09:11:27Z-
dc.date.issued2021
dc.identifier.other062154en_GB
dc.identifier.urihttp://hdl.handle.net/11701/32371-
dc.description.abstractДанная работа посвещена определению геопозициий пользователей в социальнй сети Твиттер. Целью являлось изучение существующих методов, их применение для определения геопозиций пользователей бизнес-аккаунта и отображение полученных данных в удбном для восприятия формате. В работе был проведен анализ сциальной сети Твиттер для более глубокого понимания контекста задачи. После рассмотрения уже существующих решений задачи, были сбраны данные о подписчиках бизнес-аккаунта и выбран датасет для обучения моделей. Далее было проведено обучение нейросетевых моделей и сравнение полученных результатов. Модель, показавшая лучший результат, была использвана для определения геопозиций подписчиков бизнес-аккаунта. Полученные геопозиции были представлены в виде тепловой карты. В конце работы представлены выводы, заключение и список литературы. Рассмотренные в работе алгоритмы могут быть успешно применены для определения местоположения пользователей социальнной сети Твиттер.ru_RU
dc.description.abstractThis work is devoted to determining the geopositions of users in the social network Twitter. The goal was to study the existing methods, apply them to determine the geolocations of business account users, and display the received data in a convenient format for perception. In this paper, we analyzed the social network Twitter for a deeper understanding of the context of the task. After reviewing the existing solutions to the problem, data on business account subscribers was collected and a dataset was selected for training models. Next, neural network models were trained and the results were compared. The model that showed the best result was used to determine the geolocations of business account subscribers. The resulting geopositions were presented in the form of a heat map. At the end of the work, the conclusion and list of references are presented. The algorithms considered in this paper can be successfully applied to determine the location of users of the social network Twitter.en_GB
dc.language.isoru
dc.subjectгеопозиции пользователейru_RU
dc.subjectтвиттерru_RU
dc.subjectнейронные сетиru_RU
dc.subjectтепловая картаru_RU
dc.subjectзадача классификацииru_RU
dc.subjectанализ данныхru_RU
dc.subjectобучение моделейru_RU
dc.subjectuser geopositionen_GB
dc.subjecttwitteren_GB
dc.subjectneural networksen_GB
dc.subjectheatmapen_GB
dc.subjectclassificationen_GB
dc.subjectdata analysisen_GB
dc.subjectmodel trrainingen_GB
dc.titleMethods for user business account geolocation detection in Twitter social networken_GB
dc.title.alternativeМетоды определения геопозиций пользователей бизнес-аккаунта в социальной сети Твиттерru_RU
Располагается в коллекциях:BACHELOR STUDIES

Файлы этого ресурса:
Файл Описание РазмерФормат 
VKR_Soshnikova_Mariia.pdfArticle744,36 kBAdobe PDFПросмотреть/Открыть
reviewSV_Otzyv_Sosnikova.pdfReviewSV220,96 kBAdobe PDFПросмотреть/Открыть


Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.