Scalable Spatio-Temporal Top-k Community Interactions Query
Scalable Spatio-Temporal Top-k Community Interactions Query
复制标题
可扩展的时空Top-k社区互动查询
DOI：
10.1145/3474717.3483962
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Abdulaziz Almaslukh, Yongyi Liu
中科院分区：
文献类型：
--
作者：
Abdulaziz Almaslukh, Yongyi Liu
在线用户通过社交媒体平台产生的大量数据提供了有关用户和社区的大规模有价值的见解。现有技术尚未充分利用这些数据来帮助从业者对大型在线社区进行深入分析。缺乏可扩展性阻碍了对大型社区的分析，并且需要大量的系统资源和不可接受的运行时间。本文介绍了一种新的分析查询，揭示了一个给定的用户社区在一段时间内，在一定的位置感兴趣的前k个职位。我们提出了一个新的索引框架，捕捉社区用户的交互，提供一个低查询延迟。此外，我们提出了高效的查询算法，利用索引内容修剪搜索空间。对真实的数据进行的广泛的实验评估表明了我们的技术的优越性及其可扩展性，以支持大型在线社区。
The excessive amount of data that online users produce through social media platforms provides valuable insights about users and communities at scale. Existing techniques have not fully exploited such data to help practitioners perform a deep analysis of large online communities. Lack of scalability hinders analyzing communities of large sizes and requires tremendous system resources and unacceptable runtime. This paper introduces a new analytical query that reveals the top-k posts of interest of a given user community over a period of time and in a certain location. We propose a novel indexing framework that captures the interactions of community users to provide a low query latency. Moreover, we propose efficient query algorithms that utilize the index content to prune the search space. The extensive experimental evaluation on real data has shown the superiority of our techniques and their scalability to support large online communities.
影响因子：
--
作者：
Radoslav Baltezarević;Borivoje Baltezarević;P. Kwiatek;Vesna Baltezarević
通讯作者：
Vesna Baltezarević