Centre de documentation
scientifique

Exploration of spatiotemporal and semantic clusters of Twitter data using unsupervised neural networks / Enrico Steiger in International journal of geographical information science IJGIS, vol 30 n° 9-10 (September - October 2016)  

Public [article]  inInternational journal of geographical information science IJGIS > vol 30 n° 9-10 (September - October 2016) . - pp 1694 - 1716 Titre : Exploration of spatiotemporal and semantic clusters of Twitter data using unsupervised neural networks Type de document : Article/Communication Auteurs : Enrico Steiger, Auteur ; Bernd Resch, Auteur ; Alexander Zipf, Auteur Année de publication : 2016 Article en page(s) : pp 1694 - 1716 Note générale : Bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Géomatique [Termes IGN] carte de Kohonen [Termes IGN] contenu généré par les utilisateurs [Termes IGN] données hétérogènes [Termes IGN] données issues des réseaux sociaux [Termes IGN] données massives [Termes IGN] traitement de données localisées [Termes IGN] Twitter Résumé : (Auteur) The investigation of human activity patterns from location-based social networks like Twitter is an established approach of how to infer relationships and latent information that characterize urban structures. Researchers from various disciplines have performed geospatial analysis on social media data despite the data’s high dimensionality, complexity and heterogeneity. However, user-generated datasets are of multi-scale nature, which results in limited applicability of commonly known geospatial analysis methods. Therefore in this paper, we propose a geographic, hierarchical self-organizing map (Geo-H-SOM) to analyze geospatial, temporal and semantic characteristics of georeferenced tweets. The results of our method, which we validate in a case study, demonstrate the ability to explore, abstract and cluster high-dimensional geospatial and semantic information from crowdsourced data. Numéro de notice : A2016-566 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE/SOCIETE NUMERIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1080/13658816.2016.1144887 En ligne : http://dx.doi.org/10.1080/13658816.2016.1144887 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81707 [article]

Exemplaires(1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
079-2016051	RAB	Revue	Centre de documentation	En réserve L003	Disponible

An advanced systematic literature review on spatiotemporal analyses of twitter-data / Enrico Steiger in Transactions in GIS, vol 19 n° 6 (December 2015)  

Public [article]  inTransactions in GIS > vol 19 n° 6 (December 2015) . - pp 809 – 834 Titre : An advanced systematic literature review on spatiotemporal analyses of twitter-data Type de document : Article/Communication Auteurs : Enrico Steiger, Auteur ; João Porto de Albuquerque, Auteur ; Alexander Zipf, Auteur Année de publication : 2015 Article en page(s) : pp 809 – 834 Note générale : bibliographie Langues : Anglais (eng) Descripteur : [Vedettes matières IGN] Analyse spatiale [Termes IGN] analyse spatio-temporelle [Termes IGN] données issues des réseaux sociaux [Termes IGN] état de l'art [Termes IGN] requête spatiotemporelle [Termes IGN] Twitter Résumé : (auteur) The objective of this article is to conduct a systematic literature review that provides an overview of the current state of research concerning methods and application for spatiotemporal analyses of the social network Twitter. Reviewed papers and their application domains have shown that the study of geographical processes by using spatiotemporal information from location-based social networks represent a promising and still underexplored field for GIScience researchers. Numéro de notice : A2016-435 Affiliation des auteurs : non IGN Thématique : GEOMATIQUE Nature : Article nature-HAL : ArtAvecCL-RevueIntern DOI : 10.1111/tgis.12132 En ligne : http://dx.doi.org/10.1111/tgis.12132 Format de la ressource électronique : URL article Permalink : https://documentation.ensg.eu/index.php?lvl=notice_display&id=81343 [article]