{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,19]]，“日期-时间”：“2024-06-19T12:30:38Z”，“时间戳”：1718800238270}，“引用-计数”：84，“出版商”：“爱思唯尔BV”，“许可证”：[{“开始”：{-date-parts”：[2016,11,1]]，《日期-时间》：“2016-11-01T00:00:00 Z“，”timestamp“：1477958400000}，”content-version“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“出资人”：[{“DOI”：“10.13039\/100016714”，“name”：“沙迦大学”，“DOI-asserted-by”：“publisher”}，{“DOI”：”10.13039\\501100004381“，”name“：“西方大学”，”DOI-assert-by“publishers”}]，“content-domain”：{“域”：[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Neurocomputing”]，“published-print”：{“date-parts”：[[2016,11]]}，”DOI“：”10.1016\/j.neucom.2016.06.045“，”type“：”journal-article“，”created“：{”date-part“：[[2016，6,24]]，”date-time“：”2016-06-24T09:48:11Z“，”timestamp“：1466761691000}”，“page”：“654-670”，“updatete”政策”：“http://\/dx.doi.org\/10.1016\/elsevier_cm_policy”，“source”：“Crossref”、“is-referenced-by-count”：105，“title”：[“社交媒体中的数据挖掘技术：调查”]，“前缀”：“10.1016”，“卷”：“214”，“作者”：[{“给定”：“MohammadNoor”，“family”：“Injadat”，“sequence”：“first”，“affiliation”：[]}，{“已知”：“Fadi”，“，”sequence“：”附加“，“affiliation”：[]}，{“given”：“Ali Bou”，“family”：“Nassif”，“sequence”：“additional”，“affaliation”:[]}]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.neucom.2016.06.55_bib1“，”doi-asserted-by“：”crossref“，”first page“480”，“doi”：“10.1016\/j.giq.2012.06.002”，“article-tile”“政府社交媒体使用：自例程到临界“，”卷“：”29“，“author”：“Kavanaugh”，“year”：“2012”，“journal-title”：“Gov.Inf.Q”}，{“key”：“10.1016\/j.neucom.2016.06.045_bib2”，“doi-asserted-by”：“crossref”，”first page“：”1165“，”doi“：”10.2307\/41703503“，”article-title“商业智能与分析：从大数据到大影响”，“volume”：”36“，”author“：”Chen“，”year“：”2012“，”journal al-title“：”Mis Q“}，{”key“：“10.1016\/j.neucom.2016.06.045_bib3”，“首页”：“1”，“文章标题”：“用于社交网络分析的数据挖掘技术调查”，“卷”：“3”，《作者》：“Zuber”，“年份”：“2014”，“期刊标题”：《国际j.Res.计算与工程电子》}，{“关键”：“10.12016.045_bib”，“非结构化”：“S.Yu，S。Kak，《使用社交媒体进行预测的调查》，arXiv-Prepr。arXiv1203.16472012年，第1\u201320页。\u3008http://\/arxiv.org\/abs\/1203.1647\u3009.“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib5”，“unstructured”：“V.Vuori，j.V\u00e4is\u00e4nen，《社交媒体在收集和共享竞争情报中的应用》，收录于：ICEB 2009年会议记录，2009年，第1\u20138页。”交叉参考“，”非结构化“：”P.C.Rafeeque，S.Sendhilkumar，《关于网络中短文本分析的调查》，载于：《2011年第三届国际会议论文集：先进计算》，2011年，第365\u2013371页。doi:\u3008http:\/\/dx.doi.org\/10.109\/ICoAC.2011.6165203\u3009.“，”doi“：”10.1109\/ICoAC.2016.6165203“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib7”，“doi-asserted-by”：“crossref”，“first page”：”478“，“doi”：“101007\/s10618-011-0238-6”，“article-title”：“网上主观数据挖掘调查”，“卷”：“24”，“作者”：“Tsytsarau”，“年份”：“2012”，“journal-title“：”数据最小知识。发现。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib8“，”doi-asserted-by“：”crossref“，”unstructured“：”S.Gole，B.Tidge，《使用数据挖掘技术对社交媒体大数据的调查》，收录于：2015 Int.Conf.Adv.Compute.Commun.Syst.（ICACCS-2015），2015，pp.1\u20135。doi:\u3008http:\/\/dx.doi.org\/10.109\/ICACCS.2015.7324059\u3009.“，”doi“：”10.1109\/ICACS.2015.7324059“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib9”，“doi-asserted-by”：“crossref”，“unstructured”：“B.Kitchenham，S.Charters，《软件工程系统文献评审指南》，技术报告，EBSE-2007-01，基尔大学。达勒姆，2007年。doi:\u00a0\u3008http:\/\/dx.doi.org/10.1145\/11342851.1134500\u3009.“，”doi“：”10.1145\/11342851.1134500“｝，｛”key“：”10.1016\/j.neucom.202016.06.045_bib10“，”doi断言“：”crossref“，”非结构化“：”D.Hand，统计学和数据挖掘：交叉学科，ACM SIGKDD Explor.Newsl.，第1卷，1999年，第16页\u201319。doi:\u00a0\u3008http:\/\/dx.doi.org\/10.1145\/846170.846171\u3009.“，”doi“：”10.1145\/846170.846171“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib11”，“series-title”：“为CRM构建数据挖掘应用程序”，“author”：“Berson”，“year”：“2002”}，“key“：”1016\/j.neucom.2016.045_bib212“，“series-title”：“数据挖掘中的十大算法”，“author”：“Wu”，“年份”：“2009”｝，｛“密钥”：“10.1016\/j.neucom.202016.06.045_bib13”，“doi断言者”：“crossref”，“首页”：“1”，“doi”：“10.1007\/s101105-007-0114-2”，“文章标题”：“数据挖掘中的十大算法”，“卷”：“14”，“作者”：“Wu”，“年份”：“2008”，“期刊标题”：“Knowl.Inf.Syst.”｝，｛“密钥”：“10.1016\/j.neucom.202016.06.045_bib114”，“首页”：“210”，“article-title“：“社交网站：定义、历史和学术”，“卷”：“13”，“作者”：“博伊德”，“年份”：“2007年”，“新闻标题”：“J.Compute”。Commun公司。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib15“，”series-title“：“遗传程序”，”首页“：”229“，”article-title“：”使用遗传编程和遗传算法构建和选择特征“，”author“：”Smith“，”year“：”2003“}“key”：“10.1016\/j.nucom.2016.06.0045_bis16”，”unstructured“：”U.M.Fayyad，G.Piatetsky-Shapiro，P。Smyth等人，《知识发现和数据挖掘：迈向统一框架》，载：KDD，1996，pp.82\u20138810.1016\/j.neucom.2016.06.045_bib18“，“首页”：“1”，“文章标题”：“危机管理的社交媒体：子事件检测的聚类方法”，“作者”：“Pohl”，“年份”：“2013年”，“新闻标题”：”多媒体。工具应用程序。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib19“，”doi-asserted-by“：”crossref“，”unstructured“：”D.Kotsakos，P.Sakkos，I.Katakis，D.Gunopulos，#tag:Meme or Event？，收录于：2014 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Min.，2014，第391\u2013394页。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2014.6921615\u3009.“，”doi“：”10.1109\/ASONAS.2014.6921615“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib20”，“doi-asserted-by”：“crossref”，“unstructured”：“H.W.Chang，D.Lee，M.Eltaher，j.Lee，Phillies推特？使用空间词用法预测推特用户位置，in:Proc。2012年IEEE \/ACM Int.Conf.Adv.Soc.Networks Ana。矿业，ASONAM 20122012，第111\u2013118页。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2012.29\u3009.“，”doi“：”10.1109\/ASONAS.2012.29“}，{“键”：“10.1016\/j.neucom.2016.06.045_bib21”，“doi-asserted-by”：“crossref”，“首页”：“4813”，“doi”：“101016\/j.eswa.2011.09.135”，“文章标题”：“博客世界中构建web挖掘应用程序的框架：产品情感分析案例研究”，“卷”：“39”，“作者”：“科斯塔”，“年份”：“2012”，“新闻标题”：“专家系统”。申请。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib22“，”doi-asserted-by“：”crossref“，”first page“：“389”，“doi”：“10.1109\/JBHI.2013.2295834”，“article-title”：“利用社交媒体监测消费者对西他列汀的意见的方法”，“volume”：“19”，“author”：“Akay”，“year”：“2015”，“journal-title“：”IEEE j.Biomed.Heal.Inform.“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib23“，”doi-asserted-by“：”crossref“，”first page“：”31“，”doi“：”10.1109\/MCI.2013.2291689“，”article-title“：”从在线社交媒体挖掘网络犯罪网络的概率生成模型“，”volume“：“9”，”author“：”Lau“，”year“：”2014“，”journal-title”：“IEEE Comput”。智力。Mag.“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib24”，“doi-asserted-by”：“crossref”，“unstructured”：“B.Ceran，R.Karad，A.Mandvekar，S.R.Corman，H.Davulcu，一个基于语义三元组的故事分类器，收录于：Proc.2012 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Mining，ASONAM 20122012，pp.573\u2013580。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2012.97\u3009.“，”doi“：”10.1109\/ASONAS.2012.97“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib25”，“doi-asserted-by”：“crossref”，“first page”：”635“，“doi”：“101007\/s10707-012-0173-8”，”article-title“：“微文本的本地地理解析算法”，“卷“：”17“，”作者“：”盖伦特“，”年份“：”2013“，”journal-title“：”Geoinformatica“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib26“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Al-Kouz，S.Albayrak，《基于语义丰富图的社交网络兴趣发现方法》，收录于：Proc.2012 IEEE\/ACM Int.Conf.Adv.Soc.networks Anal.Mining，ASONAM 2012，2012，pp.1272\u20131277。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2012.219\u3009.“，”doi“：”10.1109\/ASONAS.2012.219“}，{“key”：“10.1016\/j.neucom.2016.06.045_bi27”，”doi-asserted-by“：”crossref“，”first page“：”2914“，”doi“：“10.1109\/TKDE.2014.2320728”，“article-title”：“社交媒体的无监督特征选择框架data“，”volume“：”4347“，”author“：”Tang“，”年份”：“2014年”，“新闻标题”：“IEEE Trans。知识。Data Eng.“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib28“，”doi-asserted-by“：”crossref“，”first page“：“1144”，”doi“：”101109\/TSMCA.2011.2113334“，”article-title“：”使用基于密度的聚类分析和可视化网络意见发展和社会互动“，”volume“:”41“，”author“：”Yang“，”year“：”2011“，”journal-title:“”IEEE传输。系统。人类网络。A部分系统。Hum.“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib29“，”doi-asserted-by“：”crossref“，”first page“：“18”，“doi”：“10.1109\/MIS.2014.20”，“article-title”：“twitter上分析2012年韩国总统选举的政治景观”，“volume”：“29”，“author”：“Song”，“year”：“2014”，“journal-title“：”IEEE Intell.Syst.“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib30“，”doi-asserted-by“：”crossref“，”first page“：”590“，”doi“：”10.1109\/TKDE.2010.267“，”article-title“：”An\u00f3nimos:一种基于LP的匿名加权社交网络图方法“，”volume“：“24”，“author”：“Das”，“year”：“2012”，“journal-title”：“IEEE Trans。知识。Data Eng.“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib31”，“doi-asserted-by”：“crossref”，“unstructured”：“S.Bouktif，M.A.Awad，基于蚁群的方法，通过推特上收集的情绪预测股市走势，收录于：2013 IEEE，ACM Int.Conf.Adv.Soc.Networks Anal.Min.Ant，2013，第837\u2013845页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2500282\u3009.“，”doi“：”10.1145\/24925.17.2500282“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib32”，“doi-asserted-by”：“crossref”，“first page”：”1257“，”doi“：社交网络分析”，“卷”：“71”，“作者”：“Boulet“，”year“：”2008“，”journal-title“：”Neurocomputing“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib33“，”doi-asserted-by“：”crossref“，”unstructured“：”M.Saravanan，S.Buveneswari，S.Divya，V.Ramya，移动推荐系统的Bayesian过滤器，in：Proc.\u22122011 Int.Conf.Adv.Soc.Networks Ana.Mining，ASONAM 2011，2011，pp.715\u2013721。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2011.51\u3009.“，”doi“：”10.1109\/ASONAS.2011.51“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib34”，“首页”：“1”，“article-title”：“大企业的大数据？初创公司使用的数据驱动商业模型分类法”，“author”：“Hartmann”，“year”：“2014”，“journal-title“：”剑桥服务。联盟博客“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib35”，“doi-asserted-by”：“crossref”，“首页”：“2928”，“doi”：“101109\/TKDE.2014.2313872”，“article-title”：“短文本建模”，“volume”：”26“，“author”：“Cheng”，“year”：“2014”，“journal-title“：”IEEE Trans.Knowl.Data Eng.“}.2016.06.045_bib36“，”doi-asserted-by“：”crossref“，”first page“：”1327“，”DOI“：”10.1109\/TIM.2009.2038307“，“article-title”：“从感官数据馈送构建动态社交网络”，“volume”：“59”，“author”：“Rahman”，“year”：“2010”，“journal-title“：”IEEE Trans。仪器。测量。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib37“，”doi-asserted-by“：”crossref“，”first page“：“58”，“doi”：“10.1109\/MCG.2014.61”，“article-title”：“来自社交媒体的商业智能VAST票房挑战研究”，“volume”：“34”，“author”：“Analytics”，“year”：“2014”，“journal-title“：”IEEE Compute.Graph.Appl.“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib38“，”doi-asserted-by“：”crossref“，”first page“：”120“，”doi“：”10.1177\/0165551510396975“，”article-title“：”分类青少年在社交网站上的电子商务信息共享行为“，”volume“：“37”，”author“：”Jansen“，”year“：”2011“，”journal-title”：“j.Inf.Sci。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib39“，”doi-asserted-by“：”crossref“，”unstructured“：”E.Ferrara，M.JafariAsbagh，O.Varol，V.Qazvinian，F.Menczer，A.Flammini，《社交媒体中的集群模因》，收录于：Proc.2013 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Min.-ASONAM\u2019132013，第548\u2013555页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2492530\u3009.“，”doi“：”10.1145\/24925.2492530“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib40”，”doi-asserted-by“：”crossref“，”first page“：”73“，”doi“：“，”卷：“9”，“作者”：“金”，“年份”：“2010”，“新闻标题”：“电子”。商业。Res.Appl.研究申请。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib41“，”doi-asserted-by“：”crossref“，”first page“：“22”，“doi”：“10.1016\\j.neucomm.2011.04.049”，“article-title”：“通过稀疏模型编码实现自动图像注释的协作视觉建模”，“volume”：“95”，“author”：“Wang”，“year”：“2012”，“journal-title“：”Neurocomputing“}”，{“key”：”10.1016\/j.neucom.202016.06.045_bib42“，”doi断言由“：”crossref“，”非结构化“：”X.Si，E.Y.Chang，Z.Gy\u00f6ngyi，M.Sun，孔子及其聪明的门徒：将社交与搜索相结合，在：Proc。荷兰VLDB。，2010年第3卷，第1505\u20131516页。doi:\u00a0\u3008http:\/\/dx.doi.org/10.1145\/165953.1645955\u3009.“，”doi“：”10.14778\/1920841.1921025“｝，｛”key“：”10.1016\/j.neucom.202016.06.045_bib43“，”doi断言“：”crossref“，”非结构化“：”j.Piorkowski，L.Zhou，用于分析网络论坛中信任关系的内容特征丰富，载于：2013 IEEE\/ACM Int.Conf.Adv.Soc。网络分析。Min.Content，2013年，第1486\u20131487页。“，“DOI”：“10.1145\/2492517.2500312”}，{“key”：“101016\/j.neucom.2016.06.045_bib44”，“DOI-asserted-by”：“crossref”，“unstructured”：“I.Ting，S.Wang，《内容事项：基于社交网络分析和网络挖掘的仇恨群体检测研究》，收录于：2013年IEEE\/ACM Int.Conf.Adv.Soc。网络分析。Min.，2013年，第1196\u20131201页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2500254\u3009.“，”doi“：”10.1145\/24925.17.2500254“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib45”，“doi-asserted-by”：“crossref”，“unstructured”：“P.Biyani，C.Caragea，P.Mitra，C.Zhou，j.Yen，G.E。Greer等人，《在线癌症支持社区情绪分析的域依赖和域依赖特征协同训练》，载于：2013 IEEE \/ACM Int.Conf.Adv.Soc.Networks Ana。矿业，ASONAM 2013年8月25日\u2013年28日，2013年，第413页\u2013417。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2492606\u3009.“，”doi“：”10.1145\/24925.2492606“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib46”，“doi-asserted-by”：“crossref”，“unstructured”：“A.Beykikhoshk，T.Caelli，数据挖掘推特和自闭症谱系障碍：试点研究，2014 IEEE\/ACM Int.Conf.Adv.Soc。网络分析。Min，2014，第349\u2013356页。“，”DOI“：”10.1109\/ASONAM.2014.6921609“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib47”，“DOI-asserted-by”：“crossref”，“first page”：第1522页，“DOI”：“101109\/TSMC.2014.2331920”，“article-title”：“使用社交网络分析的多模态生物特征决策融合”，“volume”：”44“，“author”：“Paul”，”“year”：“”2014年”，“新闻标题”：“IEEE传输。系统。人类网络。系统。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib48“，”doi-asserted-by“：”crossref“，”unstructured“：”j.S.Alowibdi，U.A.Buy，P.S.Yu，L.Stenneth，《在线社交网络中的欺骗检测》，收录于：2014 IEEE\/ACM Int.Conf.Adv.Soc.networks Anal.Min，2014，第383\u2013390页。“，”doi“：”101109\/ASONAM.2014.6921614“}”，{“key”：“”10.1016\/j.neucom.2016.06.045_bib49“，”doi-asserted-by“：”crossref“，”first page“：”911“，”doi“：”10.1016\/j.dss.2012.027“，”article-title“：”借助社交媒体提升财务绩效：印象管理视角“，”volume“：“55”，“author”：“Schniederjans”，“year”：“2013”，“journal-title”：“Decis”。支持。系统。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib50“，”doi-asserted-by“：”crossref“，”first page“：“88”，“doi”：“10.1007\/s1174-011-1167-7”，“article-title”：“丰富微博中的短文本表示以进行聚类”，“volume”：“6”，“author”：“Tang”，“year”：“2012”，“journal title”：”Front.Comput.Sci.China“}eucom.2016.06.045_bib51“，”doi-asserted-by“：”crossref“，”first page“：”1498“，”doi“：”10.1109\/TKDE.2010.188“，”article-title“：”估算产品评论的帮助和经济影响：挖掘文本和评论员特征“，”volume“：“23”，”author“：”Ghose“，”year“：”2011“，”journal-title”：“IEEE Trans。知识。Data Eng.“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib52“，”doi-asserted-by“：”crossref“，”first page“：“850”，“doi”：“10.1109\/TPAMI.201.191”，“article-title”：“探索社交媒体中的上下文和内容链接：一种潜在空间方法”，“volume”：“34”，“author”：“Qi”，“year”：“2012”，“journal-title“：”IEEE Trans.Pattern Anal.Mach.Intell.“}”，{“key”“：”10.1016\/j.neucom.2016.06.045_bib53“，”doi-asserted-by“：”crossref“，”first page“：”1344“，”doi“：”10.1108\/IMDS-07-2014-0225“，”article-title“：”通过文本挖掘获取低成本航空公司的客户知识“，”volume“：“114”，”author“：”Yee Liau“，“year”：“2014”，“journal-title”：“Ind.Manag。数据系统。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib54“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1145\/2168752.2168761”，”article-title“：”使用自适应索引搜索引擎的智能社交媒体索引和共享“，”volume“：3”，“author”：“Leung”，“year”：“2012”，“journal-title”：“ACM Trans.Intell.Syst.Technol.”}，”{“key”：“”10.1016\/j.neucom.2016.06.045_bib55“，”doi-asserted-by“：”crossref“，”首页“：”379“，”doi“：”10.1109\/TST.2013.6574676“，”article-title“：”潜在共同利益关系预测“，”volume“：”18“，”author“：”Tan“，”year“：”2013“，”journal-title”：“清华科学。Technol公司。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib56“，”doi-asserted-by“：”crossref“，”first page“：“117”，“doi”：“10.1016\/j.nucom.2011.05.043”，“article-title”：“通过扩展学习：利用社交媒体进行图像分类，很少训练示例”，“volume”：“95”，“author”：“Wang”，“year”：“2012”，“journal-title“：”Neurocomputing“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib57“，”doi-asserted-by“：”crossref“，”unstructured“：”L.Dickens，I.Molloy，j.Lobo，《学习信息流的随机模型》，收录于：2012 IEEE第28届国际会议数据工程，2012，第570\u2013581页2062”，“DOI”：“10.1109\/TMM.2014.2346471”，“article-title”：“挖掘在线社交视频中的众包第一印象”，“volume”：“16”，“author”：“Biel”，“year”：“2014”，“journal-title“：”IEEE Trans。Multimed公司。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib59“，”doi-asserted-by“：”crossref“，”first page“：“246”，“doi”：“10.1109\/TLT.2013.2296520”，“article-title”：“挖掘社交媒体数据以了解学生2019年的学习经历”，“volume”：“7”，“author”：“Chen”，“year”：“2014”，“journal-title“：”IEEE Trans.Learn.Technol.“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib60“，”doi-asserted-by“：”crossref“，”first page“：”9623“，”doi“：”10.1016\/j.eswa.2012.02.136“，”article-title“：”使用基于密度的在线聚类方法挖掘微博流的时空信息“，”volume“：“39”，”author“：”Lee“，”year“：”2012“，”journal-title:“Expert”。系统。申请。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib61“，”doi-asserted-by“：”crossref“，”first page“：“105”，“doi”：“10.1016\/j.nucom.2011.06.039”，“article-title”：“使用多邻域相似性的最近邻方法进行社交媒体数据挖掘”，“volume”：“95”，“author”：“Wang”，“year”：“2012”，“journal-title“：”Neurocomputing“}”，{“key”：”10.1016\/j.neucom.2016.06.045_bib62“，”doi-asserted-by“：”crossref“，”first page“：”210“，”doi“：”10.1109\/JBHI.2014.236251“，”article-title“：”基于网络的建模和社交媒体智能数据挖掘以改善护理“，”volume“：“19”，”author“：”Akay“，”year“：”2015“，”journal-title”：“IEEE j.Biomed。治愈。通知。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib63“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1186\/2041-1480-2-S5-S9”，“article-title”：“OMG U got fluo？生物监测共享健康信息分析”，“volume”：“2”，“author”：“Collier”，“year”：“2011”，“journal-title“：”j.Biomed.Semant.“}\/j.neucom.2016.06.045_bib64“，”doi-asserted-by“：”crossref“，”first page“：”1142“，”doi“：”10.1016\/j.neucom.2009.11.023“，”article-title“：”优化地形图聚类的组织模块性度量：确定性退火方法“，”volume“：“73”，”author“：”Rossi“，”year“：”2010“，”journal-title”：“Neurocomputing”}，{“key”：“10.1016\\j.neucomm.2016.06.045_bib65”，“doi-asserted-by“：”crossref“，”unstructured“：”A.Jaiswal，W.Peng，T.Sun，《从社交媒体预测对时间敏感的用户位置》，收录于：2013 IEEE\/ACM Int.Conf.Adv.Soc.Networks Ana。Min.，2013年，第870\u2013877页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2500229\u3009.“，”doi“：”10.1145\/24925.17.2500229“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib66”，“doi-asserted-by”：“crossref”，“first page”：”568“，”doi“：“10.1108\/14684520910969969961”，“article-title”：“通过社会标签发现资源：分类和内容分析方法”，“卷”：“33”，“作者：“Goh”，“year”：“2009”，“journal-title”：“Online Inf.Rev.”}，{“key”：“10.1016\/j.neucom.2016.06.045_bib67”，“doi-asserted-by”：“crossref”，“unstructured”：“G.Cai，H.Wu，R.Lv，《通过人群反应进行中文谣言检测》，收录于：2014 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Min.，2014，pp.912\u2013917.”，“doi”：“101109\/ASONAM.2014.692169 4“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib68”，“doi-asserted-by”：“crossref”，“首页”：“274”，“doi”：“101016\/j.neucomm.2014.10.068”，“article-title”：“搜索引擎增强的半监督分类和基于图形的微博摘要”，“volume”：”152“，“author”：“Chen”，“year”：“2015”，“journal-title“：”Neurocomputing“}，{”key“：“10.1016\/j.neucom.2016.06.045_bib69”，“doi-asserted-by”：“crossref”，“first page”：“4950”，“doi”：“10.116\/j.eswa.2014.02.024”，“article-title”：“从推特发现情感因果规则”，“volume”：”41“，“author”：“Dehkharghani”，“year”：“2014”，“journal-title“：”专家系统应用“}，{”key“10.1016/j.neucomm.2016.0 6.045_bib70“，”doi-asserted-by“：“crossref”，“首页”：“2759”，“DOI”：“10.1109\/JPROC.2012.2203090”，“文章标题”：“企业中的社交网络分析”，“卷”：“100”，“作者”：“林”，“年份”：“2012”，“期刊标题”：“Proc.IEEE”}，｛“key”：“10.1016\/j.neucom.2016.06.045_bib71”，“DOI断言者”：“crossref”，“首页”：“84”，“DOI”：“10.1177\/1938965512458360”，“文章标题”：“在脸书上传播社交媒体信息：餐馆企业对消费者沟通分析”，“量”：“54”，“作者”：“郭敬明”，“年份”：“2013年”，“新闻标题”：“康奈尔医院问”}，{“关键”：“10.1016\/j.neucom.2016.06.045_bib72”，“doi-asserted-by”：“crossref”，“非结构化”：“A.Malhotra，L.Totti，W.Meira，P.Kumaraguru，V。Almeida，研究不同在线社交网络中的用户足迹，在：Proc。2012年IEEE \/ACM Int.Conf.Adv.Soc.Networks Ana。矿业，ASONAM 20122012，第1065\u20131070页。doi:\u3008http:\/\/dx.doi.org/10.1109\/ASONAM.202.1184\u3009.“，”doi“：”10.1109\/ASONAM.202.1184“｝，｛”key“：”10.1016\/j.neucom.2016.06.045_bib73“，”首页“：”77“，”文章标题“：”社交媒体和在线社区的信息生态“，”卷“：”29“，”作者“：”Finin“，”年份“：”2008“，”期刊标题“：”AI Mag.“｝，｛”key“：“10.1016\/j.neucom.2016.06.045_bib74“，”doi-asserted-by“：”crossref“，”first page“：”115“，”doi“：”10.1016\/j.tranpol.2014.01.007“，”article-title“：”社交媒体在实现交通政策目标方面的潜力“，”volume“：“32”，“author”：“Gal-Tzur”，“year”：“2014”，“journal-title”：“Trans。Policy“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib75”，“doi-asserted-by”：“crossref”，“unstructured”：“P.Bogdanov，M.Busch，j.Moehlis，A.K.Singh，B.K.Szymanski，《社交媒体基因组：模拟社交媒体中的个人主题特定行为》，收录于：Proc.2013 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Min.，2013，第236\u2013242页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2492621\u3009.“，”doi“：”10.1145\/24925.2492621“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib76”，“doi-asserted-by”：“crossref”，“first page”：”796“，“doi”：“101109\/TMM.2014.2298216”，“article-title”：“基于兴趣的社交媒体中的主题敏感影响因素挖掘超图学习网络卷“：”16“，”作者“：”方“，”年份“：”2014“，”期刊标题“：”IEEE Trans。Multimed公司。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib77“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1145\/2337542.2337551”，”article-title“：”推特，myspace，digg:社交媒体中的无监督情绪分析“，”volume“：3”，“author”：“Paltoglou”，“year”：“2012”，“journal-title”：“ACM Trans.Intell.Syst.Technol.”}，}“密钥”：“10.1016\/j.neucom.2016.06.045_bib78“，”doi-asserted-by“：”crossref“，”first page“：”13338“，”doi“：”10.1016\/j.eswa.2012.05.068“，”article-title“：”Unsupervised and supervised-learching learning to evaluation event related based based content mining from social-media streams“，”volume“：“39”，”author“：”Lee“，”year“：”“2012”，”journal-title:“Expert Syst。申请。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib79“，”doi-asserted-by“：”crossref“，”unstructured“：”S.O\u2019Banion，L.Birnbaum，《使用社交媒体中明确的语言偏好表达预测投票行为》，收录于：2013 IEEE\/ACM Int.Conf.Adv.Soc.Networks Anal.Min，2013，第207\u2013214页。doi:\u3008http:\/\/dx.doi.org\/10.1145\/2492517.2492538\u3009.“，”doi“：”10.1145\/24925.2492538“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib80”，“doi-asserted-by”：“crossref”，“unstructured”：“j.H.Wang，M.S.Lin，使用注释间相似性检测中文博客中的评论垃圾邮件，收录于：Proc.\u22122011 Int.Conf.Adv.Soc。网络分析。矿业，ASONAM 20112011，第189\u2013194页。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2011.49\u3009.“，”doi“：”10.1109\/ASONAS.2011.49“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib81”，“doi-asserted-by”：“crossref”，“unstructured”：“j.Dickerson，V.Kagan，V.Subrahmanian，使用情感检测推特上的机器人：人类比机器人更固执己见吗？”，2014 IEEE\/ACM Int Conf.Adv.Soc.公司。网络分析。Min，2014年，第620\u2013627页。\u3008http:\/\/jpdickerson.com/pubs\/dickerson14using.pdf\u3009.“，”DOI“：”10.1109\/ASONAM.2014.6921650“}，{“key”：“10.1016\/j.neucom.2016.06.045_bib82”，“DOI-asserted-by”：“crossref”，“first page”：”52“，“DOI”：“101109\/MIS.2012.6”，“article-title”：“使用社交媒体提高紧急情况意识”，“volume”：《27》，作者“：”Yin“，”年份“：”2012“，”journal-title“：”IEEE Intell。系统。“}，{”key“：”10.1016\/j.neucom.2016.06.045_bib83“，”doi-asserted-by“：”crossref“，”first page“：“301”，“doi”：“10.1016\/j.knosys.2014.07.007”，“article-title”：“Web数据提取、应用程序和技术：调查”，“volume”：“70”，“author”：“Ferrara”，“year”：“2014”，“journal-title“：”Knowl.Based Syst.“}.neucom.2016.06.045_bib84“，”doi-asserted-by“：”crossref“，”unstructured“：”A.Boutet，H.Kim，E.Yoneki，twitter里有什么：我知道什么派对很受欢迎，你现在支持谁！，in：程序。2012年IEEE \/ACM Int.Conf.Adv.Soc.Networks Ana。矿业，ASONAM 20122012，第132\u2013139页。doi:\u3008http:\/\/dx.doi.org\/10.109\/ASONAM.2012.32\u3009.“，”doi“：”10.1109\/ASONAS.2012.32“}]，”container-title“：[”Neurocomputing“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S09252311630683X？httpAccept=text\/xml“，”content-type“：”text\/xml“，”content-version“：”vor“，”intended-application“：”text-mining“}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S092523121630683X？httpAccept=text\/plain”，“content-type”：“text\/plan”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[2024,6,17]]，“date-time”：”2024-06-17T21:37:01Z“，“timestamp”：17186602 21000}，“分数”：1，“resource“：{”primary”：{“URL”：“https:\/\/linkinghub.elsevier.com/retrieve\/pii\/S092523121630683X”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{-“date-parts”：[[2016,11]]}，”references-count“：84，”alternative-id“：[”S09252312630683X“]，”URL“：”http://dx.doi.org\/10.1016\/j.neucom.2016.06.045“，”关系“：{}，”ISSN“：[”0925-2312“]，”ISSN-type“：[{”value“：”0925-2312“，”type“：”print“}]，”subject“：[]，”published“：期刊标题“}，{”value“：”https:\/\/doi.org\/10.1016\/j.neucom.2016.06.045“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}”，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，“value“”：“\u00a9 2016 Elsevier B.V.保留所有权利。”，“名称”：“版权”，“标签”：“copyright”}]}}