ANOMALOUS ACTIVITY DETECTION FROM DAILY SOCIAL MEDIA USER MOBILITY DATA

Clicks: 248
ID: 5633
2019
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Popular

Ranked #48 of 135 articles by views in Ömer halisdemir Üniversitesi mühendislik bilimleri dergisi

Most read Least read

Bar heights use a square-root scale. Only the 120 most-read articles are drawn; the journal has 135 in total.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
   Anormal aktiviteler, insanlar veya nesnelerin normal ve rutin davranışlarına uymayan aktiviteleri ifade etmektedir. Sosyal ağlardan anormal aktivite, hesap veya paylaşımların tespiti, sosyal medya kullanıcılarını zararlı ve rahatsız edici içeriklerden uzak tutmak için önem taşımaktadır. Ancak anormal aktivitelerin tespiti, anormal aktivitelerin gerçek olanlardan ayrılmasının zor olması, mevcut algoritmalar ve değerlendirme ölçütlerinin yetersiz olması, sosyal medya büyük verisinin analizinin zorlukları ve mekânsal ve zamansal boyutların ele alınmasının zorluklarından dolayı zordur. Bu çalışmada günlük sosyal medya kullanıcı hareketlilik verisi üzerinden anormal aktivitelerin tespiti yapılmıştır. Ayrıntılı olarak, sosyal medya kullanıcı hareketliliklerinden, günlük toplam ziyaret edilen lokasyon sayısı ve günlük toplam uzaklık adında iki özellik çıkarılmış ve bu özellikler anormal aktivitelerin tespitinde kullanılmıştır. Anormal aktivitelerin tespiti için DBSCAN kümeleme algoritmasını kullanan bir algoritma önerilmiştir. Elde edilen sonuçlar önerilen algoritmanın sosyal medya kullanıcılarının normal günlük aktivitelerini öğrenebildiğini ve anormal aktiviteleri tespit edebildiğini göstermiştir.
Reference Key
ahmet2019anomalousmer Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Ahmet Şakir Dokuz and
Journal Ömer halisdemir Üniversitesi mühendislik bilimleri dergisi
Year 2019
DOI
10.28948/ngumuh.535232
URL
Keywords
anormal aktivite tespiti sosyal ağlar mekânsal sosyal medya madenciliği DBSCAN algoritması

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.