Sådan analyserer du bedst store sociale data

Big data er så at sige store, og buzz-sætningen er ofte ledsaget af tilknyttede udtryk som data mining, machine learning, computational intelligence, det semantiske web og sociale netværk. Forskning offentliggjort i International Journal of Cloud Computing ser på big data i denne sammenhæng og spørger, hvordan social big data bedst kan analyseres med state-of-the-art værktøjer for at give os mulighed for at udvinde ny viden.

Sociale medier og sociale netværk repræsenterer en enorm informationsressource med hundredvis af millioner af mennesker, der bruger snesevis af værktøjer, såsom Twitter, Instagram og Facebook på daglig basis, og poster milliarder af opdateringer, billeder, videoer og meget mere. Al denne information, en stor del af den offentligt tilgængelig, kan meget vel udvindes for nyttig viden, som igen kan være nyttig for en lang række tredjeparter i forskellige typer af virksomheder, non-profit organisationer, retshåndhævelse, dem i handel og marketing, forskere inden for socioøkonomi, sundhedspleje og mange andre områder.

Brahim Lejdel fra University of El-Oued i El-Oued, Algeriet, påpeger, at kombinationen af ​​big data-teknologier og traditionelle machine learning-algoritmer allerede har ført til nogle nye og interessante udfordringer for sociale medier og sociale netværk. Blandt udfordringerne er, hvordan man bedst behandler, opbevarer, repræsenterer og visualiserer de enorme lagre af information, som big data repræsenterer.

Den nye forskning bruger en hybrid tilgang af multi-agent systemer og algoritmer. Det tilbyder, hvad Lejdel beskriver som en "ny tilgang, der kan udtrække enheder og deres relationer fra sociale big data." Dette, foreslår han, vil give forskere mulighed for at trække meningsfuld viden fra big data. Lejdel påpeger, at forskning i big data og sociale netværk selvfølgelig er i sin vorden. Hvert lille trin i forskningen bringer os tættere på at forstå og gøre brug af big data og tackle disse udfordringer.

I det aktuelle arbejde foreslår han, hvad han beskriver som "en konceptuel model, der hjælper beslutningstagere og kunder med at finde de mest relevante løsninger, der i øjeblikket er tilgængelige til at udvinde, administrere, kontrollere, analysere og visualisere viden i sociale medier for bedre brugeroplevelser og tjenester."