توضیحاتی در مورد کتاب Social Networks and the Semantic Web
نام کتاب : Social Networks and the Semantic Web
عنوان ترجمه شده به فارسی : شبکه های اجتماعی و وب معنایی
سری :
نویسندگان : Mika P.
ناشر :
سال نشر : 2007
تعداد صفحات : 237
ISBN (شابک) : 0387298150
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 6 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
توضیحاتی در مورد کتاب :
تشخیص اینکه آیا ما وب را تغییر داده ایم یا وب ما را تغییر داده است، حتی با خردمندانه آینده نگری دشوار است. شبکه های اجتماعی و وب معنایی دو مطالعه موردی عمده را ارائه می دهند. اولین مطالعه موردی، امکان ردیابی یک جامعه تحقیقاتی را از طریق وب، ترکیب اطلاعات به دست آمده از وب با سایر منابع داده و تجزیه و تحلیل نتایج نشان می دهد. استخراج شبکه های اجتماعی از وب نقش مهمی در این مطالعه موردی برای به دست آوردن داده های شبکه در مقیاس بزرگ و پویا فراتر از امکان روش های نظرسنجی ایفا می کند. مطالعه دوم نقش زمینه اجتماعی را در طبقه بندی های تولید شده توسط کاربر در محتوا برجسته می کند، مانند سیستم های برچسب گذاری معروف به folksonomies.
فهرست مطالب :
front-matter.pdf......Page 1
001-007.pdf......Page 18
009.pdf......Page 25
011-035.pdf......Page 26
037-043.pdf......Page 51
045-058.pdf......Page 58
059.pdf......Page 72
061-096.pdf......Page 73
097-142.pdf......Page 109
145-155.pdf......Page 155
157-174.pdf......Page 166
175-181.pdf......Page 184
183.pdf......Page 191
185-195.pdf......Page 192
197-202.pdf......Page 203
203-208.pdf......Page 209
back-matter.pdf......Page 215
توضیحاتی در مورد کتاب به زبان اصلی :
Whether we changed the Web or the Web has changed us is difficult to discern, even with the wisdom of hindsight. Social Networks and the Semantic Web provides two major case studies. The first case study shows the possibilities of tracking a research community over the Web, combining the information obtained from the Web with other data sources, and analyzing the results. Social network mining from the Web plays an important role in this case study for obtaining large-scale, dynamic network data beyond the possibilities of survey methods. The second study highlights the role of the social context in user-generated classifications in content, such as the tagging systems known as folksonomies.