Please use this identifier to cite or link to this item: https://hdl.handle.net/10216/75800
Full metadata record
DC FieldValueLanguage
dc.creatorJoão Henrique Alves Pereira
dc.date.accessioned2019-02-01T07:54:05Z-
dc.date.available2019-02-01T07:54:05Z-
dc.date.issued2014-07-14
dc.date.submitted2014-08-06
dc.identifier.othersigarra:31603
dc.identifier.urihttps://repositorio-aberto.up.pt/handle/10216/75800-
dc.descriptionCom o advento das redes sociais surgiu também muita informação, específica de cada utilizador e voluntariamente cedida. De há alguns anos para cá, as pessoas e as empresas começaram a perceber o valor que existe dentro dessas enormes quantidades de informação e começou a investigação em maneiras de encontrar padrões a partir desses dados que possam ser utilizados de forma proveitosa. O TweeProfiles é uma ferramenta de visualização de clusters que permite a análise de tweets sob 4 dimensões: espacial, temporal, social e conteúdo. No entanto, é limitado no sentido em que não está preparado para lidar com streams de dados. O objetivo deste trabalho é encontrar, em tempo real, padrões de informação em dados extraídos do Twitter. Os dados a serem recolhidos são multi-dimensionais em natureza, ou seja, têm uma dimensão espacial (a localização dos tweet), uma dimensão temporal (o momento de publicação dos tweets) e uma dimensão de conteúdo (texto e hashtags dos tweets). Para atingir esse objetivo espera-se aplicar técincas de clustering sobre os dados recolhidos; os clusters resultantes serão então apresentados ao utilizador final usando uma ferramenta de visualização, que também será desenvolvida no âmbito deste projecto
dc.description.abstractWith the advent of social networking a lot of user-specific, voluntarily provided data has been generated. A few years ago, people and companies started noticing the value that lied within those enormous amounts of information and started to think of ways to extract patterns from those and use them for gain.TweeProfiles is a visualization tool that allows analysing tweets' data over 4 dimensions: spatial, temporal, social and content. It is, however limited in the sense that it is not prepared to deal with streaming data. The goal of this work is to find, in real-time, patterns of information in data extracted from Twitter. The data to be harvested is multi-dimensional in nature, having namely a spatial dimension (the location of the tweet), a temporal dimension (the timestamp of the tweet) and a content dimension (the text and hashtags of the tweet). To achieve this goal, a clustering technique that is suitable for streaming data will be applied to the collected data; the resulting clusters will then be presented to the end-user through a visualization tool that is also scheduled to be developed in the scope of this project.
dc.language.isopor
dc.rightsopenAccess
dc.rights.urihttps://creativecommons.org/licenses/by-nc/4.0/
dc.subjectEngenharia electrotécnica, electrónica e informática
dc.subjectElectrical engineering, Electronic engineering, Information engineering
dc.titleTweeProfiles2: real time detection of spatio-temporal patterns in Twitter
dc.typeDissertação
dc.contributor.uportoFaculdade de Engenharia
dc.subject.fosCiências da engenharia e tecnologias::Engenharia electrotécnica, electrónica e informática
dc.subject.fosEngineering and technology::Electrical engineering, Electronic engineering, Information engineering
thesis.degree.disciplineMestrado Integrado em Engenharia Informática e Computação
thesis.degree.grantorFaculdade de Engenharia
thesis.degree.grantorUniversidade do Porto
thesis.degree.level1
Appears in Collections:FEUP - Dissertação

Files in This Item:
File Description SizeFormat 
31603.pdfTweeProfiles2: Real-time detection of spacio-temporal patterns in Twitter25.29 MBAdobe PDFThumbnail
View/Open


This item is licensed under a Creative Commons License Creative Commons