Пожалуйста, используйте этот идентификатор, чтобы цитировать или ссылаться на этот ресурс:
http://hdl.handle.net/11701/32371
Полная запись метаданных
Поле DC | Значение | Язык |
---|---|---|
dc.contributor.advisor | Утешев Алексей Юрьевич | ru_RU |
dc.contributor.advisor | Utesev Aleksej Urevic | en_GB |
dc.contributor.author | Сошникова Мария Дмитриевна | ru_RU |
dc.contributor.author | Sosnikova Maria Dmitrievna | en_GB |
dc.contributor.editor | Блеканов Иван Станиславович | ru_RU |
dc.contributor.editor | Blekanov Ivan Stanislavovic | en_GB |
dc.date.accessioned | 2021-08-07T09:11:27Z | - |
dc.date.available | 2021-08-07T09:11:27Z | - |
dc.date.issued | 2021 | |
dc.identifier.other | 062154 | en_GB |
dc.identifier.uri | http://hdl.handle.net/11701/32371 | - |
dc.description.abstract | Данная 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.abstract | This 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.iso | ru | |
dc.subject | геопозиции пользователей | ru_RU |
dc.subject | твиттер | ru_RU |
dc.subject | нейронные сети | ru_RU |
dc.subject | тепловая карта | ru_RU |
dc.subject | задача классификации | ru_RU |
dc.subject | анализ данных | ru_RU |
dc.subject | обучение моделей | ru_RU |
dc.subject | user geoposition | en_GB |
dc.subject | en_GB | |
dc.subject | neural networks | en_GB |
dc.subject | heatmap | en_GB |
dc.subject | classification | en_GB |
dc.subject | data analysis | en_GB |
dc.subject | model trraining | en_GB |
dc.title | Methods for user business account geolocation detection in Twitter social network | en_GB |
dc.title.alternative | Методы определения геопозиций пользователей бизнес-аккаунта в социальной сети Твиттер | ru_RU |
Располагается в коллекциях: | BACHELOR STUDIES |
Файлы этого ресурса:
Файл | Описание | Размер | Формат | |
---|---|---|---|---|
VKR_Soshnikova_Mariia.pdf | Article | 744,36 kB | Adobe PDF | Просмотреть/Открыть |
reviewSV_Otzyv_Sosnikova.pdf | ReviewSV | 220,96 kB | Adobe PDF | Просмотреть/Открыть |
Все ресурсы в архиве электронных ресурсов защищены авторским правом, все права сохранены.