Publikace detail

Analysis of Mobile Social Networks Using Clustering

Autoři: Hedvičáková Martina | Pozdílková Alena | Koťátková Stránská Pavla | Svobodová Libuše

Rok: 2017

Druh publikace: článek v odborném periodiku

Název zdroje: Advanced Science Letters

Strana od-do: 1273-1277

Tituly:

Jazyk	Název	Abstrakt	Klíčová slova
cze	Využití klastrů pro analýzu mobilních sociálních sítí	Sociální sítě se stávají fenoménem 21. století. Stejně jako získávají stále nové uživatele na internetu, tak začaly pronikat i do mobilních zařízení. Cílem článku je seznámení se s pěti nejčastěji používanými mobilními sociálními sítěmi v Evropě se zaměřením na Evropskou Unii a jejich analýza. Pro tento účel bude využita datamingová technika K-means pro proces shlukování. Pro grafickou vizualizaci před samotnou shlukovou analýzu budou data ilustrována metodou hlavních komponent, pomocí které budou definovány 3 hlavní komponenty. Faktory, dle kterých dochází ke shlukování, budou detekovány faktorovou analýzou s použitím rotace „varimax prostý“. V poslední části příspěvku je 28 zemí Evropské Unie rozděleno do čtyř homogenních skupin, resp. shluků, za jednotlivé roky období 2010-2014. Jedná se o průměrné hodnoty, které reprezentují obsažené státy v daném shluku, v komparaci s daty pro všechny sociální sítě pro Evropskou Unii a Evropu. Vstupní předpoklad, že data (kritéria), která vstupují do shlukové analýzy nejsou zasažena multikolinearitou, bude ověřen Spearmanovým koeficient korelace.	Mobilní sociální sítě; data mining; klastrová analýza; Evropa; faktorová analýza
eng	Analysis of Mobile Social Networks Using Clustering	Social networks are becoming a phenomenon of the 21st century. As well as gaining new users on the Internet, they also began to penetrate into mobile devices. The aim of the paper is to introduce the five most commonly used mobile social networks in Europe, with a focus on the European Union and their analysis. For this purpose, the data-mining technology of K-means for clustering process will be used. Prior to the cluster analysis itself, the data will be illustrated using principal component method for graphical visualization, which will define the three main components. The factors according to which there is a clustering, will be detected by a factor analysis using "varimax simple" rotation. In the last part of the paper, the 28 European Union countries are divided into four homogeneous groups, i.e. clusters, for each of the years 2010-2014. These are average values representing the states contained in the given cluster, in comparison with data for all social networks for the European Union and Europe. The input assumption that data (criteria) that enter the cluster analysis are not affected by multi-collinearity will be verified by Spearman correlation coefficient.	Mobile Social Networks; Data Mining; Cluster Analysis; Europe; Factor Analysis

Search

Přihlášení pro studenty

Přihlášení pro zaměstnance

Publikace detail

Katedry

Služby

Jak nás najdete?

Často hledáte