| dc.contributor.author | Usbeck, Ricardo | |
| dc.date | 2015-10-01 | |
| dc.date.accessioned | 2018-01-03T21:49:45Z | |
| dc.date.available | 2018-01-03T21:49:45Z | |
| dc.date.issued | 2015 | |
| dc.identifier.issn | 1432-122X | |
| dc.identifier.uri | http://dl.gi.de/handle/20.500.12116/9092 | |
| dc.description.abstract | Seit dem Entstehen des Web 2.0 gehören Blogs zum Kern der neuen Medienlandschaft. Insbesondere der Mikro-Blogging-Dienst Twitter stellt eine der schnellst wachsenden Informationsquellen unserer Zeit dar. Über 200 Millionen regelmäßige Nutzer schreiben täglich mehr als 340 Millionen Nachrichten.Twitter-Nutzer haben die Möglichkeit über mit # annotierten Worten (sog. Hashtags) Nachrichten explizit zu verschlagworten. Diese Schlagworte sind nicht immer eindeutig und können für mehrere Themen verwendet werden. Den Überblick über mögliche Verbindungen zwischen Hashtags und deren Themen zu behalten, fällt schwer. Der hier vorgestellte Ansatz erfasst mittels Data-Mining-Methoden Zusammenhänge zwischen Hashtags und visualisiert diese. Dadurch soll der Nutzer unterstützt werden, einen Überblick über besprochene Themen und deren Hashtags zu bekommen. | |
| dc.publisher | Springer-Verlag | |
| dc.relation.ispartof | Informatik-Spektrum: Vol. 38, No. 5 | |
| dc.relation.ispartofseries | Informatik-Spektrum | |
| dc.title | Analyse von Mikro-Blogging-Daten | |
| dc.type | Text/Journal Article | |
| dc.pubPlace | Berlin Heidelberg | |
| mci.reference.pages | 400-405 | |
| gi.identifier.doi | 10.1007/s00287-014-0768-6 | |
